ComfyUI VibeVoice ASR插件安装入口，ComfyUI打造的专用语音识别节点

ComfyUI VibeVoice ASR是面向ComfyUI打造的专用语音识别节点，将微软VibeVoice ASR高效集成至可视化工作流，支持在ComfyUI内直接完成高精度、长音频转录，同时提供说话人分离、时间戳对齐与SRT字幕导出能力，可满足音频转写、视频字幕、会议纪要等多场景需求。

相比传统语音识别工具，节点无需命令行操作，完全贴合 ComfyUI 拖拽式配置逻辑，大幅降低模型使用门槛，让创作者、开发者与音频从业者均可快速实现语音数据自动化处理。

ComfyUI VibeVoice ASR核心功能：

1、长音频一键识别：

突破常规时长限制，单次支持最长 60 分钟音频处理，无需分段切割，高效适配会议录音、播客、有声书等长时内容。

2、自动生成标准 SRT 字幕：

转录后直接输出带精准时间戳的 SRT 字幕，无需手动调整时间轴，可直接用于视频剪辑与发布。

3、智能说话人分离：

自动识别并区分多说话人，以说话人标签标注，便于会议、访谈等内容快速分角色整理。

4、上下文与热词增强：

支持输入专业术语、人名、地名等热词信息，显著提升特定领域识别准确率。

5、双格式灵活输出：

提供可用字幕文本（srt_content）与完整结构化数据（json_content），兼顾普通用户与二次开发需求。

6、ComfyUI 原生无缝集成：

可与音频、视频、文本节点自由联动，构建端到端自动化工作流，全程不脱离 ComfyUI 环境。

ComfyUI VibeVoice ASR安装步骤：

步骤1：克隆项目仓库到ComfyUI自定义节点目录

# 切换到ComfyUI自定义节点目录（请替换为你的ComfyUI实际路径）
cd ComfyUI/custom_nodes/
# 克隆项目仓库
git clone https://github.com/kana112233/ComfyUI-kaola-VibeVoice-ASR.git
# 进入项目目录
cd ComfyUI-kaola-VibeVoice-ASR

步骤2：安装项目所需依赖

# 安装依赖包
pip install -r requirements.txt

步骤3：重启ComfyUI，验证节点是否生效

安装完成后，关闭当前运行的ComfyUI服务，然后重新启动ComfyUI。

进入ComfyUI VibeVoice ASR插件入口