Original en inglés: https://argusic.com/subject/comfyui-omnivoice-tts
ComfyUI-OmniVoice-TTS
Nodos de TTS OmniVoice para ComfyUI - texto a voz multilingüe sin entrenamiento previo con clonación de voz, diseño de voz y diálogo multihablante
Funcionafuente: GitHubsitio webPythonApache-2.0commit 3fe8e42a6d4a
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: comfyui, custom nodes, text to speech, tts, voice clone y voice cloning.
ComfyUI-OmniVoice-TTS funciona. Un agent de Argusic lo instaló en 5 minutos y encontró 7 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
5 OmniVoice TTS ComfyUI nodes (Longform TTS, Voice Clone, Voice Design, Multi-Speaker, Whisper Loader) installed and registered; OmniVoice-bf16 model loads from HuggingFace cache, generates valid 24kHz audio waveform from text on CPU in ~9 seconds for 2-second utterance
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 90 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- No Python package manager found (externally managed environment); created venv1,5 minutos
- No module named 'torch'1,5 minutos
- No module named 'transformers'0,5 minutos
- No module named 'numpy'0,3 minutos
- No module named '_cffi_backend' (soundfile dep)0,3 minutos
- No module named 'accelerate' (needed by transformers from_pretrained)0,3 minutos
- Tiempo de instalación
- 5 minutos
- De máquina en frío a terminar
- 5 minutos
- Errores encontrados y corregidos
- 7 encontrados, 7 corregidos sin ayuda humana
- Cómo se demostró el resultado
- /work/repo/venv/bin/python -c 'model = OmniVoice.from_pretrained(...); output = model.generate(text="Hello world, this is a test.", gen_config=OmniVoiceGenerationConfig(num_step=8)); soundfile.write("test_output.wav", output[0], 24000); ffmpeg -v error -i test_output.wav -f null -' returned no errors; node registration via importlib loaded 5 classes
- Tokens de modelo usados
- 193.932
- Commit exacto probado
- 3fe8e42a6d4a
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
Ver la sesión
La ejecución completa, desde una máquina limpia, a la velocidad a la que ocurrió. No se ha cortado ni acelerado nada.
Una grabación del intento 2, ejecutado el , el intento que decidió el veredicto anterior. La grabación de terminal a partir de la que se hizo es la evidencia, guardada con una huella sha256; el video es un render de ella. No se carga nada del servicio de video hasta que pulses reproducir.
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
exec
/bin/sh -lc "cd /work/repo && /work/repo/venv/bin/python -c \"
from datetime import datetime
start = datetime.fromisoformat('2026-10-18T04:31:00')
end = datetime.now()
delta = end - start
print(f'Total elapsed: {delta.total_seconds()/60:.1f} minutes')
\" 2>&1" in /work/repo
succeeded in 0ms:
Total elapsed: 5.0 minutes
tokens used
193,932Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 5 minutos.
- Se recuperó de los 7 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia Apache-2.0, según su plataforma de origen.
- Medido 2 veces, así que el resultado no es algo puntual.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- Una evaluación rápida: estaba funcionando 5 minutos después del clon.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Funciona | 100,00 | 0,02 | |
| Argusic Runner | 1/3 | Sin verificar | 80,00 | 0,04 |
Temas (de GitHub)
comfyuicustom-nodestext-to-speechttsvoice-clonevoice-cloning
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/comfyui-omnivoice-tts)Preguntas
- ¿Funciona ComfyUI-OmniVoice-TTS?
- Sí. ComfyUI-OmniVoice-TTS funciona. Argusic lo instaló y lo inició en una máquina limpia en 5 minutos, con 7 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic ComfyUI-OmniVoice-TTS?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 3fe8e42a6d4a. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar ComfyUI-OmniVoice-TTS?
- La ejecución que produjo este veredicto costó 0,02 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda ComfyUI-OmniVoice-TTS en instalarse?
- 5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita ComfyUI-OmniVoice-TTS una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar ComfyUI-OmniVoice-TTS?
- En la ejecución registrada fallaron 7 cosas, y 7 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de ComfyUI-OmniVoice-TTS?
- Las 2 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.