ComfyUI9d の履歴(No.5)

私的AI研究会 > ComfyUI9d

画像生成AI「ComfyUI」９（音声編）　== 編集中 ==†

　「ComfyUI」を使ってローカル環境でのAI音楽生成を検証する

▲　目　次

画像生成AI「ComfyUI」９（音声編）　== 編集中 ==
参考資料

※ 最終更新:2026/05/19　

↑

「ComfyUI」Qwen3-TTS による音声合成†

「Qwen3-TTS」を使って音声合成・音声認識を試す

↑

概要†

Qwen3-TTS とは
- Alibaba Cloud の Qwen チームが開発した高性能なオープンソース音声合成（TTS：Text-to-Speech）モデル
- テキストを人間のように自然な音声へ変換するだけでなく、わずか数秒の音声サンプルからその人の声質や話し方を再現するボイスクローン機能を備えている

特徴

わずか3秒のボイスクローン：数時間分のデータを用意しての追加学習（ファインチューニング）が不要
3〜10秒程度の短い参照音声があれば、その人物の声色をゼロショットで忠実に再現できる。
ボイスデザイン機能：「楽しそうに話す関西弁の青年」「怒りを含んだ声」など言葉によるプロンプト(指示) だけでオリジナルの声色や感情を自由にデザインできる。
多言語対応：日本語を含む10言語に対応しており、別言語のテキストであっても同じ声質で喋らせる(クロスリンガルクローン)ことが可能

ローカル環境で動作：オープンソースで公開されているため、自身のPC環境に構築して完全無料で利用できる
処理効率を重視した軽量モデル（0.6B）と高品質なモデル（1.7B）の2種類が用意されている

特徴	詳細
3秒でボイスクローン	わずか3秒の参照音声で声質を再現
10言語対応	中国語、英語、日本語、韓国語、ドイツ語、フランス語、ロシア語、ポルトガル語、スペイン語、イタリア語
97msの超低遅延	リアルタイム対話に対応可能なストリーミング生成
感情・抑揚制御	自然言語での指示で感情表現をコントロール

モデルの種類　引用： https://qiita.com/GeneLab_999/items/79d8020799c6f9e329dc

モデル用途パラメータ数

CustomVoice 9種類のプリセット音声 + 感情制御 0.6B / 1.7B

VoiceDesign 自然言語で声質を設計 1.7B

Base 3秒ボイスクローン 0.6B / 1.7B

モデル	用途	パラメータ数
CustomVoice	9種類のプリセット音声 + 感情制御	0.6B / 1.7B
VoiceDesign	自然言語で声質を設計	1.7B
Base	3秒ボイスクローン	0.6B / 1.7B

Qwen3-TTSモデル　引用： https://github.com/QwenLM/Qwen3-TTS

トークナイザー名	概要
Qwen3-TTS-Tokenizer-12Hz	Qwen3-TTS-Tokenizer-12Hzモデルで、入力音声をコードに符号化し、再び音声に復号できる。

モデル	特徴	言語サポート	ストリーミング	命令制御
Qwen3-TTS-12Hz-1.7B-VoiceDesign	ユーザーが提供した説明に基づいて音声デザインを行う。	中国語、英語、日本語、韓国語、ドイツ語、フランス語、ロシア語、ポルトガル語、スペイン語、イタリア語	✅	✅
Qwen3-TTS-12Hz-1.7B-CustomVoice	ユーザー指示を通じてターゲット音色のスタイル制御を提供する。性別、年齢、言語、方言のさまざまな組み合わせをカバーする9種類のプレミアム音色に対応している。	中国語、英語、日本語、韓国語、ドイツ語、フランス語、ロシア語、ポルトガル語、スペイン語、イタリア語	✅	✅
Qwen3-TTS-12Hz-1.7B-Base	基本モデルはユーザーの音声入力から3秒間の高速音声クローンが可能。他のモデルのファインチューニング(FT)にも使用できる。	中国語、英語、日本語、韓国語、ドイツ語、フランス語、ロシア語、ポルトガル語、スペイン語、イタリア語	✅
Qwen3-TTS-12Hz-0.6B-CustomVoice	性別、年齢、言語、方言のさまざまな組み合わせをカバーする9種類のプレミアム音色をサポートする。	中国語、英語、日本語、韓国語、ドイツ語、フランス語、ロシア語、ポルトガル語、スペイン語、イタリア語	✅
Qwen3-TTS-12Hz-0.6B-Base	基本モデルはユーザーの音声入力から3秒間の高速音声クローンが可能。他のモデルのファインチューニング(FT)にも使用できる。	中国語、英語、日本語、韓国語、ドイツ語、フランス語、ロシア語、ポルトガル語、スペイン語、イタリア語	✅

サポートされたスピーカーリスト　引用： https://github.com/QwenLM/Qwen3-TTS
最高の品質を得るために、各話者の母語を使うことを推奨。各話者はモデルが支持するあらゆる言語を話すことができる。

Speaker	声の説明(Voice Description)	母語(Native language)
Vivian	明るく、少し尖った若い女性の声。 Bright, slightly edgy young female voice.	中国語
Serena	温かく穏やかな若い女性の声。 Warm, gentle young female voice.	中国語
Uncle_Fu	低く穏やかな音色の熟練男性の声。 Seasoned male voice with a low, mellow timbre.	中国語
Dylan	澄んだ自然な音色を持つ若々しい北京の男性の声。 Youthful Beijing male voice with a clear, natural timbre.	中国語(北京方言)
Eric	生き生きとした成都の男性の声で、少しハスキーな明るさが混じっている。 Lively Chengdu male voice with a slightly husky brightness.	中国語(四川方言)
Ryan	ダイナミックな男性の声で、強いリズム感を持っています。 Dynamic male voice with strong rhythmic drive.	英語
Aiden	明るいアメリカン男性の声で、澄んだ中音域。 Sunny American male voice with a clear midrange.	英語
Ono_Anna	軽やかで軽やかな音色の遊び心のある日本語女性の声。 Playful Japanese female voice with a light, nimble timbre.	日本語
Sohee	豊かな感情を持つ温かみのある韓国女性の声。 Warm Korean female voice with rich emotion.	韓国語

↑

音声合成・音声認識のための環境構築†

↑

忘備録†

↑

検証済みパッケージ環境の複製†

　ComfyUI で動作確認済みのパッケージを今の環境のまま別の名前で複製する手順。
　新しいパッケージのテストやバックアップとして利用できるほか、バージョンの異なる環境を必須とする拡張ノードなどを安定して利用できる

パッケージをコピーする（例： ComfyUI_gpu → ComfyUI_tf4 ）

① コピー元のパッケージ右上のメニューボタンを押す
③「共有フォルダ」のチェックを外す

・StabilityMatrix を終了する
④ エクスプローラなどで「ComfyUI_gpu」を複製（コピー）して名前を「ComfyUI_tf4」とする
コピーしたパッケージを設定する
・StabilityMatrix を起動する

⑤「不明なパッケージ」として認識される
⑥「インポート」ボタンを押す
⑦ ダイアログでパッケージタイプを「ComfyUI」Version Type をコピー元と同じにする
・右端のVersion と Python Version は適切なものが表示されるのでそのままでよい
・ダイアログ上の「インポート」ボタンを押す

⑧ 新しいパッケージ右上のメニューボタンを押す
⑩「アップデートチェックを無効にする」「共有フォルダ」のチェックを入れる
・「Pythonパッケージ」を押す

⑪ 検索窓に「 transform 」と入れ transformer のバージョンを確認しておく

⑫「設定」(歯車のアイコン) ボタンを押す
⑬「Auto-Launch」のチェックを外し「Enable-Manager」のチェックを入れる
⑭「保存」を押す
新しいパッケージを起動する

① 画面上部の「Manager」ボタンを押す
②「Custom Node Manager」を選択する

③「Check Update」を押して拡張ノードのアップデートを確認する
④ アップデートがある場合は「Update All」を実行する
新しいパッケージを更新する

⑤ 更新には時間がかかるコンソール出力に以下の表示が出るまで待つ
・「After restarting ComfyUI, please refresh the browser」
⑥ へ往時を確認後「RESTART」ボタンを押す

⑦ ブラウザとの接続が切れコンソール出力に更新状況が逐次表示される
・コンソール左上緑の「Launch」ボタンは絶対押さないこと
⑧ 更新が完了するとブラウザ上に新しいページが追加される
⑨ 追加されたページを閉じる
・前記の手順で「Custom Node Manager」で拡張ノードの確認をする

⑩「Check Updete」を押して拡張ノードの表示がなくなれば更新完了
ブラウザのページを閉じ「StabilityMatrix」を終了する（重要）