如何快速上手Ming-tts?5分钟搞定ComfyUI TTS语音合成新手教程
如何快速上手Ming-tts?5分钟搞定ComfyUI TTS语音合成新手教程
Ming-tts 是 ComfyUI 官方模型仓库中托管的 Ming-3.0-TTS(tiny 版)TTS 语音合成模型。这是一份面向新手的最短上手教程:只需 5 分钟,即可完成 Ming-tts 模型下载、放入 ComfyUI 指定目录、并在节点工作流中生成 AI 语音。无需复杂配置,跟着步骤走就能拥有自己的 TTS 语音合成能力。
Ming-tts 是什么?认识 ComfyUI 的 TTS 语音合成模型
Ming-tts 仓库是专门为 ComfyUI 重新打包的模型文件仓库,基于 MIT 开源协议,仓库内只有两个关键文件:
| 文件 | 说明 |
|---|---|
| ming_tts_tiny_int8_convrot.safetensors | 量化后的 TTS 模型权重,约 8.4 GB |
| README.md | 官方使用说明与目录放置规范 |
对新手特别友好的三点:
- 🚀 int8 量化:
int8_convrot版本显存占用显著低于原始模型,低显存显卡也能跑; - 📦 tiny 规格:推理速度快,适合批量生成和实时语音合成场景;
- ⚖️ MIT 协议:可自由用于个人与商业项目。
第一步:下载 Ming-tts 模型文件(两种方法任选)
方法一:clone 仓库下载(推荐)
打开终端执行:
git clone https://gitcode.com/hf_mirrors/Comfy-Org/Ming-tts.git
Windows 的 Git for Windows 默认支持 Git LFS,会自动拉取完整的 8.4 GB 模型权重。克隆完成后,模型文件位于 checkpoints/ming_tts_tiny_int8_convrot.safetensors。
⚠️ 新手易踩的坑:克隆结束后如果发现
ming_tts_tiny_int8_convrot.safetensors只有几百字节(135 字节左右),说明 Git LFS 只下载了指针文件,请在仓库目录内执行git lfs pull补齐真实权重。
方法二:在仓库页面直接下载文件
进入仓库的 checkpoints 目录,直接点击下载 ming_tts_tiny_int8_convrot.safetensors 单个文件即可,省去 clone 过程。
第二步:把模型放进 ComfyUI 正确目录
Ming-tts 新手教程里最容易出错的就是目录放错。按照官方说明(见 README.md),把模型文件放入 ComfyUI 根目录下的 models/checkpoints/ 文件夹:
📂 ComfyUI/
├── 📂 models/
│ ├── 📂 checkpoints/
│ │ └── ming_tts_tiny_int8_convrot.safetensors
✅ 放置完成后重启 ComfyUI,工作流的模型加载下拉框中即可自动识别 ming_tts_tiny_int8_convrot。
第三步:在 ComfyUI 工作流中生成 TTS 语音
- 打开 ComfyUI Web 界面(默认地址
http://127.0.0.1:8188); - 加载一个 TTS 语音合成工作流,或基于已有模板新建;
- 在模型加载节点的下拉列表中选择
ming_tts_tiny_int8_convrot; - 在文本输入节点填入要合成的句子,例如:“你好,欢迎使用 Ming-tts”;
- 点击 Queue Prompt 开始生成,完成后点击音频节点试听。
💡 小贴士:tiny 模型推理很快,首次运行需要把 8.4 GB 权重加载进显存,等待稍长属正常现象,后续再生成会明显变快。
常见问题排查清单(附解决命令)
| 问题现象 | 原因与解决方法 |
|---|---|
| 克隆后模型文件只有 135 字节 | Git LFS 未拉取真实权重,在仓库目录执行 git lfs pull |
| 模型下拉框里找不到 | 确认文件位于 ComfyUI/models/checkpoints/ 下,不要多套一层文件夹 |
| 生成时报显存不足(OOM) | int8 版已较省显存,可关闭其他占显存程序或减少并发任务 |
| 生成后没有声音 | 检查工作流连线是否完整,确认音频输出节点已连接 |
总结:5 分钟完成 Ming-tts 语音合成配置
回顾一下 ComfyUI TTS 语音合成新手教程的三步流程:
- 下载:clone 仓库或单独下载
ming_tts_tiny_int8_convrot.safetensors; - 放置:放入
ComfyUI/models/checkpoints/目录; - 使用:在工作流中选择模型,填入文本即可生成语音。
按照本教程操作,5 分钟就能让 ComfyUI 具备 AI 语音合成能力。接下来可以调整文本内容与生成参数,用 Ming-tts 产出属于你的第一条语音吧!