ComfyUI 配音情绪不自然：Fish Audio 标签位置、读音与多角色排查

背景与选择建议

先让台词本身适合朗读

书面长句包含过多从句时，即使加入很多情绪标签，也可能听起来不自然。建议先按意思拆句，确认数字、缩写和人名读法，再添加情绪。配音目标可以是平静解释、逐渐紧张或温柔提醒，但每句话应有可理解的语境。

标签位置决定作用位置

ComfyUI 的 Fish Audio 指南说明，方括号标签从出现的位置生效，直到下一个标签或句尾。因此，需要整句轻声时应放在句首，只强调末尾某个词时则放在该词前。把情绪说明放在远离台词的地方，可能得不到预期影响。

指南还区分旧 s1 的圆括号固定词表与当前 s2.1-pro 的方括号自由描述。迁移已有脚本前先确认节点使用的模型，不要把不同版本语法混在同一份台词中。

减少冲突，再调整强度

官方建议每句有一个主要情绪，组合不要过多。编辑建议固定同一个音色，先只加一个标签，再逐项比较。若一句话同时写兴奋、低落和愤怒，很难判断模型应该表现哪一种状态；不自然时先删减描述，而不是继续叠加。

同一标签在不同音色上表现可能不同。比较结果时保留音色、台词和参数记录，防止把音色变化误认为标签失效。

用同一句台词比较标签位置

自拟台词“门已经打开了，先别出声”，整句轻声可写“[轻声说] 门已经打开了，先别出声”；只改变后半句则写“门已经打开了，[轻声说] 先别出声”。固定音色与其余设置分别试听，观察语气是否从目标位置开始变化。此处方括号属于 Fish Audio 台词语法，不是网页排版标记。

确认位置生效后，再试“[紧张但压低声音] 门已经打开了，先别出声”，对比是否符合场景；不要直接叠加很多互相冲突的情绪。停顿不合适时，先改标点与断句，再评估指南支持的停顿标签，分别记录是语气、节奏还是读音问题。

双角色可用“@Voice1 [轻声说] 门已经打开了。”和“@Voice2 [平静] 我在这里等你。”作最小脚本。连接两个音色后，分别核对每句的角色归属，再增加台词。若连接了第三个音色但脚本未引用，应先修正输入匹配，而不是把节点报错解释为某种情绪不支持。

读音用具体问题具体处理

指南提供音素控制，用于名字、多音字、缩写和术语，并说明可以与文本规范化共同使用。应先核对目标读音，再按支持的音素体系填写，避免凭拼写猜测。数字和日期是否应规范化也取决于台词用途，播报日期与逐字读编号并不相同。

多人对话核对每个音色

文档使用 @Voice1、@Voice2 等标记切换说话人，并要求每个已连接音色至少在文本里出现一次，否则节点报错。建议为每人先生成一句测试台词，再组合成对话，检查说话人切换处是否正确。

最后逐句听完结果，检查停顿、强度、读音与角色归属。所核对文档还说明 seed 只控制节点重跑，音频结果非确定性；保存合格音频本身比只记录 seed 更重要。本文没有生成声音，也不据此推断任何真实人物身份。

推荐依据

根据文末官方资料核对功能与接口语义，围绕本文问题整理操作路径和验收建议。文中的测试样例属于编辑建议，没有安装实测或性能排名。

参考资料

功能、套餐与使用条件，以对应产品的最新资料为准。

• Fish Audio 提示词指南：在 ComfyUI 中撰写 Fish Audio TTS 提示词 - ComfyUI

内容更新于 2026-09-13