Original em inglês: https://argusic.com/subject/comfyui-omnivoice-tts
ComfyUI-OmniVoice-TTS
Nós de TTS OmniVoice para ComfyUI: síntese de fala multilíngue zero-shot com clonagem de voz, design de voz e diálogo multi-falante
Executafonte: GitHubpágina do projetoPythonApache-2.0commit 3fe8e42a6d4a
Python, licença Apache-2.0. O projeto se descreve como: comfyui, custom nodes, text to speech, tts, voice clone e voice cloning.
ComfyUI-OmniVoice-TTS executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 5 minutos e encontrou 7 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
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
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 90 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- 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
- Tempo de instalação
- 5 minutos
- Da máquina limpa até o fim
- 5 minutos
- Erros encontrados e corrigidos
- 7 encontrados, 7 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- /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 exato testado
- 3fe8e42a6d4a
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 2, executada em , a tentativa que decidiu o veredito acima. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
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
193,932Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 5 minutos.
- Recuperou-se de todos os 7 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença Apache-2.0, segundo a plataforma onde o projeto está hospedado.
- Medido 2 vezes, então o resultado não é um caso isolado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Uma avaliação rápida: ele estava executando 5 minutos depois do clone.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Executa | 100,00 | 0,02 | |
| Argusic Runner | 1/3 | Não verificado | 80,00 | 0,04 |
Tópicos (de GitHub)
comfyuicustom-nodestext-to-speechttsvoice-clonevoice-cloning
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/comfyui-omnivoice-tts)Perguntas
- ComfyUI-OmniVoice-TTS executa?
- Sim. ComfyUI-OmniVoice-TTS executa. A Argusic o instalou e iniciou em uma máquina limpa em 5 minutos, encontrando 7 erros no caminho, e gravou a sessão.
- Como a Argusic testou ComfyUI-OmniVoice-TTS?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 3fe8e42a6d4a. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar ComfyUI-OmniVoice-TTS?
- A execução que produziu este veredito custou US$ 0,02: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar ComfyUI-OmniVoice-TTS?
- 5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- ComfyUI-OmniVoice-TTS precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar ComfyUI-OmniVoice-TTS?
- 7 coisas quebraram na execução registrada, e 7 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de ComfyUI-OmniVoice-TTS?
- Todas as 2 execuções registradas estão nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.