メインコンテンツへスキップ
見出し画像

【無料配布/ComfyUI v1.2.6】日本語ナレーションを相談・手動で作る|Irodori・Qwen・Gemini・ElevenLabs

    Usage terms / 利用条件

    ソースコード公開・利用無料。個人利用、業務、社内利用、受託制作、無料の組み込み・無料提供は、申請・事前連絡・FURUの許可が不要です。第三者とAPI提供元の条件・料金は別です。

    対象は日本語ナレーションの現行ソースv1.2.6のFURU連携部分(Apache-2.0)です。Irodori・Qwen・コーデック・透かし等のモデルとコード、参照音声、Gemini・ElevenLabsのAPIは各提供元の条件・料金・権利を別途確認してください。

    道具として制作した文章・画像・漫画・動画・音声等の公開、販売、収益化、納品について、FURUへの申請・個別許可・利用料・クレジット表記は不要です。第三者の作品・素材・声・音楽等の権利は別途確認してください。

    無料Web記事、note等の有料紹介記事、独自の解説・レビュー・講座も、対象ソフトウェアの複製・改変版を商品に含めなければ、FURUへの許可・事前連絡・利用料は不要です。FURUが許諾できる操作画面・操作動画の紹介掲載と、通常の配布ページへのリンクを認めます。画面や動画内の第三者の作品・素材・音声等の条件は別途確認してください。

    無料再配布・無料組み込みでは各適用ライセンスに従い、必要な著作権表示・許諾文・第三者ライセンスを保持し、該当する改変を明示してください。サービスでは利用者が確認できる説明ページへの案内をお願いしますが、既存ライセンスを超える義務は追加しません。FURUの公式・公認・提携と偽って表示しないでください。

    現行のMIT・Apache-2.0・GPL-3.0許諾では、各条件を守るソフトウェアの販売・有料配布、有料商品・アプリ・サービスへの組み込み、機能の有料提供、複製・改変版を含む有料教材・会員向け配布・購入者限定の「無料特典」も認められます。その許諾内の利用にFURUの事前許可を追加で求めません。7アプリの商品化の事前許可方針は、既に許諾済みのこれらの部分へ遡及適用しません。第三者の条件はFURUが免除できません。

    FURUの利用案内では広告収益や任意の寄付だけでは機能の有料提供として扱いません。社内だけの組み込み、自分で道具として使う受託制作・完成作品の販売・納品にはFURUの許可は不要です。この区分は第三者の非商用条件の意味を変更しません。

    適用ライセンスの範囲外で個別の許可を求める場合は、対象のプロジェクト・版・ファイル、利用方法、提供先、料金の有無を添えてFURUへお問い合わせください。FURUがメール等の記録に残る方法で許可の旨と対象範囲を返信すれば、その範囲で有効です。紙の契約書・押印は不要です。問い合わせ送信、自動返信、無応答だけでは許可になりません。既存許諾内の利用には問い合わせ自体が不要です。FURUは他者の権利を許可できません。

    利用しただけでFURUが成果物の権利を取得したり、ソフトウェア条件を成果物へ適用したりしません。成果物中のソフトウェア自体の複製・改変部分は、その適用ライセンスに従います。著作権の成立・帰属、第三者の権利、契約、API提供元の条件は別途判断してください。

    本案内はFURUが許諾できる寄与部分に限ります。第三者のコード・モデル・ノード・素材・外部サービス・別プロジェクトはそれぞれの条件を保持し、リンク・同梱・紹介しただけでFURUの許諾対象になりません。

    2026年10月8日の今回の文書改定は現行条件を明確化するものです。MIT・GPL・Apache・Creative Commons等の既存の有効な許諾を取り消したり狭めたりせず、過去版・既存ZIPにも遡及適用しません。将来変更する場合は適用可能な版・ファイル・権利者を明示します。商品化を制限する独自条件の対象を「OSS」と表示せず、「ソースコード公開・利用無料」と表示します。

    利用案内全文 / 対象版・ファイル・権利者

    動画や解説の原稿を、どの声で、どう読ませるか。このComfyUIワークフローは、台詞と声をAIに相談する方法と、すべて自分で決める方法を同じ画面にまとめています。生成前に全文の読みを確認し、完成したナレーションを全体音声と台詞別音声の両方で保存できます。

    日本語おまかせナレーションのワークフローZIPをダウンロード。ZIPを展開して導入手順と必要モデルを確認してください。

    GitHubの現行コードは v1.2.6 です。 Irodori、Qwen3-TTS、Gemini 3.8 Flash/Flash-Liteに加え、ElevenLabsを任意の音声エンジンとして選べます。

    できること

    • IrodoriとQwen3-TTSをローカルで生成する。

    • Gemini 3.8 Flash TTS/Flash-Lite TTSを使い、公式ボイス、Voice Design、保存済みVoice ID、感情や演技を設定する。

    • ElevenLabsの利用可能な声を名前から選び、提供元サンプルを試聴する。一覧を取得できない場合はVoice IDを直接入力する。

    • LM Studioへ「親しみやすい紹介を5文で」などと相談し、提案された台詞と声を編集してから採用する。

    • AIを使わず、採用済み台詞欄と「声を確認・調整」から完全に手動で設定する。

    • 生成直前に原文とひらがなの読みを文ごとに確認する。修正した単語の読みはPC内の非公開辞書へ保存し、次回以降も再利用する。

    入手先と版について

    v1.2.6の配布版は Release v1.2.6 から入手できます。LocalNarration_v1.2.6.zip を取得し、同梱のVERSIONが1.2.6であることを確認してください。導入と設定の詳細は v1.2.6のREADME にあります。

    Release v1.2.6のZIPにはElevenLabs対応とAPIキーの状態表示が入っています。旧v1.2.4のZIPにはElevenLabs対応が入っていないため、最新版のZIPを選んでください。

    必要な環境

    対象はLinuxまたはWSL2のUbuntu、Python 3.10~3.12、NVIDIA CUDA対応GPU、導入済みのComfyUIです。検証環境のVRAMは16GBですが、必要最小量を保証する値ではありません。Git、FFmpeg、SoX、python3-venvも用意します。

    AI相談を使う場合だけ、LM Studio、lms CLI、qwen/qwen3.5-9bが必要です。完全手動ならLM Studioは使いません。GeminiまたはElevenLabsを使う場合だけ、それぞれのAPIキーと利用枠が必要です。

    導入

    1. ZIPを展開し、Ubuntuの端末で展開先へ移動します。

    2. python3 install.py --comfyui /path/to/ComfyUIを実行します。

    3. ComfyUIを完全に再起動し、03_音声/18_音声_ローカルナレーション/日本語ナレーション_TTS切替_AI・手動を開きます。

    4. 中央の音声生成ノードで「Download models / 必須モデル一式を取得」を押します。Irodori、コーデック、透かし、Qwenの指定モデルを取得し、取得済みファイルは再利用します。

    既存版を更新するときは、編集中のワークフローとruntime/private/の個人用読み辞書を退避してください。同名のカスタムノードを二重に置かず、更新後はブラウザー側のワークフローも読み直します。

    最初の音声を作る

    1. クラウド音声を使う場合だけ、左の音声企画ノードからGeminiまたはElevenLabsのAPIキーを登録します。キーは動作中のComfyUIプロセスのメモリにだけ保持され、ワークフロー、出力JSON、ログへ保存されません。ElevenLabsのボタンと入力窓は、キー未設定なら「⚠️」、このセッションに設定済みなら「✅」を表示します。Irodori・Qwenだけを使う場合はAPIキー不要です。

    2. 「声を確認・調整」を開き、音声エンジンと声を選びます。Irodoriは声のデザイン、Qwenは既定話者または参照音声、Geminiは公式ボイスやVoice Design、ElevenLabsは声一覧またはVoice IDを使います。

    3. 必要なら「作りたい内容をAIに相談」を開き、「台詞と声」「台詞だけ」「声だけ」から相談対象を選びます。提案は編集して採用でき、キャンセルしても現在の設定は変わりません。

    4. 「実行して読みを確認」を押し、全文の原文とひらがなを確認します。読み承認は省略できません。ElevenLabsへ送られるのも、この画面で承認した原稿です。

    5. 右の結果ノードで、全体音声と各台詞のMP3を再生・保存します。全体音声には標準800msの台詞間無音が入り、台詞別MP3には入りません。

    音声はComfyUI/output/audio/LocalNarration/へ保存されます。新しい生成の途中は既存音声を「前回の結果」として残し、完了時に今回の結果へ切り替えます。

    ElevenLabsを使うとき

    v1.2.6はEleven Multilingual v2を使い、各台詞をMP3 44.1kHz/128kbpsで生成して、既存エンジンと同じ保存経路へ渡します。提供元のサンプルが英語など別言語の場合があるため、日本語の発音は実際に生成した音声で確認してください。参照音声ノードはElevenLabsでは使いません。

    声一覧の取得と音声生成には、APIキーの権限とElevenLabsのクレジットが必要です。APIエラーではキーをログへ露出させない処理になっていますが、原稿は外部サービスへ送信されます。公開前に利用条件、料金、生成音声の利用範囲を確認してください。

    利用時の確認

    IrodoriとQwenはローカル生成です。GeminiとElevenLabsは外部APIを使います。AIの台詞案、自動の読み、声の性別や感情設定には誤りがあり得るため、保存できたことだけで完了とせず、原稿どおりに最後まで発声しているかを実際に試聴してください。

    更新履歴

    • v1.2.6(2026年10月2日):ElevenLabsのAPIキー未設定を⚠️、設定済みを✅で表示。ElevenLabs対応を含む専用の配布ZIPを公開。

    v1.2.5(2026年9月29日):ElevenLabsを任意の音声エンジンとして追加。声一覧、試聴、Voice ID入力、セッション内APIキー、読み承認後の送信、既存出力経路に対応。

    • v1.2.4:相談する文数に応じた出力量、相談中の経過表示、採用済みの声を保った台詞だけの相談を改善。

    • v1.2.2~v1.2.3:単語ごとの読み辞書、声の性別と自由入力の整合、台詞編集ボタンの表示を改善。

    • v1.2.0~v1.2.1:Gemini TTSと声の性別選択を追加。

    • v1.1系:AI提案の編集・採用、完全手動入力、必須の読み確認、台詞別音声の話者統一を整備。

    ほかのアプリ・ワークフロー

    制作に使えるアプリとComfyUIワークフローの紹介記事です。


    あなたへのおすすめ