This ComfyUI tutorial workflow demonstrates end-to-end speech-to-text using the FishAudioSpeechToText node. Audio is loaded with LoadAudio (a sample file, fish_audio_example.mp3, is pre-connected so you can run it immediately), then sent to the Fish Audio ASR service for transcription. The node automatically detects the spoken language across 80+ languages and returns a clean transcript string along with an optional JSON payload of timestamped segments. The transcript is saved to disk via SaveText, while a MarkdownNote provides on-canvas tips.
Technically, LoadAudio decodes your file into an audio tensor and forwards it to FishAudioSpeechToText. When precise_timestamps is enabled on that node, it also returns segments_json containing per-segment text with start/end times (and, when available, finer word-level timing). SaveText writes the main transcript string to your ComfyUI output folder for easy reuse in subtitles, captions, or indexing pipelines. This setup is lightweight, API-driven, and practical for rapid transcription, subtitle prep, or generating text prompts from recorded audio.
API
このワークフローをコードから利用
すべてのComfyワークフローはJSONグラフです。以下のペイロードは、このワークフローそのものであり、ComfyUIが実行する内容と同じです — このURLから取得し、バージョン管理に保存したり、ComfyUIで読み込んでノードごとに実行できます。
Comfy SDKを使ってTypeScriptまたはPythonから実行できます。同じコードでComfy Cloudや自身でホストしたComfyUIのどちらにも対応 — ベースURLだけが異なります。
// Install (beta)
npm i @comfyorg/sdk
// Run this workflow (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
const wf = await client.workflows.fromFile("workflow_api.json");
const job = await client.run(wf);
await job.getOutputs("<output-node-id>")[0].toFile("output.png");SDKはAPI形式のワークフローを受け取ります：このワークフローをComfyUIで開き、「ファイル → ワークフローをエクスポート（API）」を使用してください。
