ElevenLabs: Voz a voz
Sube un archivo de audio fuente para aplicar un nuevo tono de voz o clonar una voz diferente, generando una salida de audio modificada.
Probar un ejemplo
Acerca de este flujo de trabajo
Este flujo de trabajo ComfyUI realiza conversión de voz usando la API Speech-to-Speech de ElevenLabs. Proporcionas un clip de audio fuente (vía LoadAudio o RecordAudio), eliges una voz objetivo (con ElevenLabsVoiceSelector para una voz predefinida o ElevenLabsInstantVoiceClone para crear un clon), y el nodo ElevenLabsSpeechToSpeech genera una nueva grabación que preserva el ritmo y contenido del original pero cambia el timbre vocal para coincidir con la voz seleccionada. La salida puede guardarse con SaveAudioMP3 o SaveAudioOpus.
Técnicamente, el pipeline dirige tu forma de onda fuente a ElevenLabsSpeechToSpeech junto con un ID de voz objetivo. En la Opción 1, ElevenLabsVoiceSelector consulta tu cuenta de ElevenLabs y entrega una voz seleccionada para uso directo. En la Opción 2, ElevenLabsInstantVoiceClone sube una muestra de referencia limpia y devuelve un nuevo recurso de voz que luego se conecta al nodo Speech-to-Speech. El nodo Note contiene instrucciones, y varios nodos están inicialmente deshabilitados para que actives solo los que necesites. Este diseño facilita comparar entre voces predefinidas y clones instantáneos, manteniendo la gestión de archivos simple con nodos de guardado explícitos.
Preguntas y respuestas
Sí. Los nodos ElevenLabsVoiceSelector, ElevenLabsInstantVoiceClone y ElevenLabsSpeechToSpeech llaman a la API de ElevenLabs. Añade tu clave API en los nodos o en la configuración de ComfyUI según las instrucciones del nodo Note.
Usa grabaciones limpias de un solo hablante, con poco ruido de fondo y sin reverberación. Mantén niveles estables sin distorsión y evita música. Una muestra clara de 30–60 segundos suele ser suficiente para Instant Voice Clone.
SaveAudioMP3 produce un archivo ampliamente compatible, ideal para distribución general. SaveAudioOpus genera archivos más pequeños con calidad perceptual similar—útil para web o apps—aunque algunos flujos requieren MP3.
Sí. El audio para selección de voz, clonación y voz a voz se procesa en los servidores de ElevenLabs vía su API. Consulta los términos, política de privacidad y límites de uso en el panel de ElevenLabs.