ComfyUI接入本地音频描述节点
DrunkTramp · reddit · 2026-07-14
## 在 ComfyUI 里做本地音乐/音频描述 作者找不到现成的方案，于是把 **MOSS audio** 接进了 **ComfyUI**，做出一套可本地运行的音频 captioning 节点。由于自己的环境是 Python 3.14，而模型依赖不兼容，他改用模型自带的 Python 3.11 虚拟环境和 requirements，最终在本地跑通。 ## 实测效果 - 在一张 RTX 5060 Ti 上，速度“略高于实时”。 - 输出的描述足够详细，可以对歌曲或其他音频做较完整的文本概括。 - 作者还提供了运行《Chop Suey!》的演示视频和生成结果。 ## 额外信息 他表示安装脚本理论上能兼容不同本地 Python 版本，但自己没有在 Windows 上测试过；GitHub 仓库也可能还有部署细节需要反馈。