
【ComfyUI】「OZ IrodoriTTS AllInOne(ver2)」使い方マニュアル|モデルの用意からExcelバッチまで全手順
「OZ IrodoriTTS AllInOne(ver2)」の公式マニュアルです。モデルの用意・構築から、3モードの使い方、Excelバッチ、全項目の説明、うまくいかないときまで。この記事だけで一通り使えるようになります。
対応バージョンは ComfyUI-OZ v2.0(OZ IrodoriTTS AllInOne ver2)。
「OZ IrodoriTTS AllInOne」のダウンロードはここから。
↓↓↓ 「OZ IrodoriTTS AllInOne」のダウンロード ↓↓↓
これはver2専用のマニュアルです。ver1(ComfyUI-OZ v1.0)とは、ノード内実行、参照音声とExcelの選び方、Read/Createの置き場所など、画面と操作が違う部分があります。ver1には対応していません。
ノード一式(ComfyUI-OZ ver2のzip)は、Ver2の紹介記事の有料エリアで販売しています。ver1は連載3記事で無料公開中なので、まず試したい人はそちらからどうぞ。この記事は全編無料です。同じ内容のPDF版もこの記事に添付してあるので、手元に置いて見たい人はそちらをダウンロードしてください。
▼添付:マニュアルPDF(OZ_IrodoriTTS_AllInOne_manual_v2.pdf)
Ver1については下記の記事参考にしてください。
- 使い方編:
- 機能解説編:
- 仕様編:
先に言っておくと、各ノードは各項目の「?」の説明を読めば、使い方はだいたい分かるように作ってあります。このマニュアルは、その先の手順や仕組みを画面つきで説明するものです。
1. はじめに
「OZ IrodoriTTS AllInOne」は、音声合成モデル「Irodori-TTS」でセリフ音声を作るためのComfyUIカスタムノード。
作り方は3つあって、ノード上の「セリフ生成方法」のボタンで切り替える。実行されるのは、選んだ1つだけ。
キャラ画像:キャラクターの画像から声を作って読み上げる(v2系 Character-Voice、アニメ/リアル)
参照音声:参照音声の声で文章を読み上げる(Irodori-TTS-v4.1-Small、最新モデル)
バッチ生成:Excelに書いたセリフを1行ずつ読み上げて自動保存する(Irodori-TTS-v4.1-Small)

項目の「?」を押すと、その項目の説明がその場で読める。初期値の目安も書いてあるので、迷ったらまず「?」を見てほしい。
2. 準備(環境・モデル・フォルダ)
動作環境
ComfyUI:最近のバージョン
GPU:NVIDIA GPU(モデルとコーデックをCUDAで動かす)
OS:Windows/Linuxどちらでも使える作り(OS依存の処理は使っていない)。作者の動作確認はLinux上のComfyUIで行っている
前提ノード:jupo版「comfy-Irodori-TTS」カスタムノード。キャラ画像モ- の内部処理で使う。参照音声とバッチ生成だけなら無くても動く。ComfyUI-Managerで「Irodori」を検索してインストールできる
モデルの用意と配置
モデルはzipに含まれていない。次の3種を入手して、ComfyUIの - dels/checkpoints の中に置く。
メイン:Irodori-TTS-v4.1-Small(配布:Aratako)
アニメ:Irodori-TTS-500M-v2-Character-Voice-Tagger(配布:p1atdev)
リアル:Irodori-TTS-500M-v2-Character-Voice-SigLIP(配布:p1atdev)
置き方の注意:
v4.1-Smallは「フォルダごと」置く(フォルダの中に Irodori-TTS-v4.1-Small.safetensors と tokenizer フォルダが入った形)
TaggerとSigLIPは .safetensors ファイルをそのまま置く
アニメ/リアル用はAratakoではなくp1atdevの配布。名前が似ているので取り違えに注意
置いたらComfyUIを再起動して、ノードの「モデル登録」で3つとも標準のファイル名が選ばれていることを確認する(配置が標準どおりなら初期値のままで大丈夫)。
フォルダの置き場所(ReadとCreate)
素材と生成物の置き場所は、ComfyUIの output フォルダの中で分かれている。
output/Read/ … 読み取りに使う素材を置く場所
output/Read/RefVoice/ … 参照音声ファイル
output/Read/Serif/ … バッチ生成用のExcelファイル
output/Create/ … 生成物の保存先
output/Create/Audio/ … 生成した音声(バッチは Audio/batch)
ノードの一覧(プルダウン)に出るのは、読み取りはRead以下、保存先の候補はCreate以下だけ。一覧は開くたびに最新の状態を読む。
参照音声は output/Read/RefVoice に置くと、一覧で「フォルダ名/ファイル名」の形で選べるようになる。サブフォルダを作って分けることもできる。
バッチ生成を試すときは、同梱の sample/SerifSample.xlsx を output/Read/Serif に置いてほしい。
3. 導入手順
zipを解凍する(中から ComfyUI-OZ フォルダが出てくる)
ComfyUI-OZ フォルダを、ComfyUIの custom_nodes フォルダの中にコピーする
すでに custom_nodes の中に ComfyUI-OZ がある場合は、フォルダを削除せず、中身を上書きコピーする。以前に入れたOZノードが消えずに残る
前提ノードとモデルを用意する
ComfyUIを再起動する
ノード追加メニューの「OZ/TTS」→「OZ IrodoriTTS AllInOne」が出てくればOK
同梱の workflow/OZIrodoriTTS_AllInOne_sample.json をComfyUIの画面にドラッグ&ドロップすると、ノードが配置された状態から始められる。まず触ってみたい場合はこれが早い。
4. ノードの見方

画面は上から次の並び。下のエリアは、選んだ生成方法に応じて切り替わる。
実行回数と「実行(このノードだけ)」ボタン:実行回数(1〜99)を指定して、このノードだけを実行する。実行中・完了・エラーは色分けで表示され、回数が終わると実行回数は自動で1に戻る。ComfyUI全体の実行ボタンからワークフローごと実行することもできる
共通設定/モデル登録:全モード共通の設定と、使用モデルの登録を開くボタン(5章)
セリフ生成方法:キャラ画像/参照音声/バッチ生成の3ボタン。選んだ方法の詳細だけが下に表示される
モード別のエリア:生成方法ごとの入力項目(6〜8章)
使用モデル:いま選ばれている生成方法で使うモデルが表示される
生成結果の自動保存とプレイヤー:自動保存のON/OFFピル、「保存設定」ボタン、生成結果を聞くプレイヤー、「この音声を保存」ボタン(後から保存)、一番下が状態行。生成前は「まだ生成していません」と出る
5. 共通設定とモデル登録
共通設定

seed:生成の乱数seed。モデル・設定・文章・seedが全部同じなら、同じ声の流れを再現しやすくなる。右の「seedの扱い」がランダムのときは、この番号は使われない
seedの扱い:「実行ごとにランダム」=毎回ちがう読み方になる。「固定する」=左のseedで毎回同じになり、気に入った生成を再現したいときに使う。基本は「実行ごとにランダム」
長さ(秒・0=自動):生成する音声の長さ(秒)。0で自動推定。キャラ画像では0のとき30秒として扱う。基本は0のままで大丈夫。長すぎると無音区間が増えたり、短すぎると文章が途中で切れたりする
ステップ数:サンプリングのステップ数。生成の計算を何回繰り返すかで、多いほど少し丁寧になるが時間もかかる。基本は40のままで大丈夫
変更したら「保存」を押す。全機能共通の設定で、どのモードでもこの値を使う。
モデル登録

メインモデル(参照音声・バッチ用):基本はIrodori-TTS-v4.1-Smallのままで大丈夫。v3系のモデルも候補に出る
アニメモデル(キャラ画像・アニメ絵用):基本はTaggerのままで大丈夫
リアルモデル(キャラ画像・リアル用):基本はSigLIPのままで大丈夫
登録したモデルはノードの内部で読み込んで使う。
6. 参照音声モード
参照音声の声で文章を読み上げる、基本のモード。使うモデルは最新のIrodori-TTS-v4.1-Small。
手順
参照音声ファイルを output/Read/RefVoice に置く
「参照音声」のプルダウンから、使いたい音声を選ぶ。一覧は「フォルダ名/ファイル名」の形で出る。下のプレイヤーで参照音声を再生して確認できる
「読み上げ文章」に読ませたい文章を書く
必要なら「VoiceDesign」に声質・話し方を指定する(基本は空で大丈夫)
「実行(このノードだけ)」を押す
生成が終わると結果のプレイヤーで聞ける。自動保存ONなら、保存先フォルダにファイルも保存されている

項目のポイント
参照音声:声の元にする参照音声。この声の特徴を引き継いで読み上げる。30秒まで使われる。「(なし)」を選ぶと参照音声なしで生成する(声質はVoiceDesignの指定とモデル任せになる)
読み上げ文章:読み上げる文章。右下に文字数カウンタがある。絵文字は演技タグになる(次項)。改行や記号の入れ方でも間の取り方が変わる
VoiceDesign(声質・話し方の指定):声質や話し方を文章で指定する欄(メインモデル専用)。基本は空で大丈夫。例:「若くて元気な声」と書くと、その声質で生成される。参照音声と矛盾する指定(例:男性の声に「少女の声」)は不安定になりやすい
絵文字タグ(演技)
読み上げ文章の右端にある「絵文字」ボタンを押すと、演技タグの一覧(全46種)が開く。
タグをクリックすると、文章のカーソル位置にそのまま挿入される。続けて挿入もできる。文頭に付けると優しい読み方、怒った読み方のように、タグに応じた演技が付く。

生成結果の保存
「生成結果の自動保存」がONなら、生成と同時にファイルへ保存される。保存先・ファイル名・形式は「保存設定」でモードごとに決める(9章)
自動保存がOFFでも、生成後に「この音声を保存」を押せば、その音声を後から保存できる
同じ設定で何度か試したいときは、実行回数を2以上にすると連続で生成する。seedがランダムなら、回ごとにちがう読み方になる
7. キャラ画像モード
キャラクターの画像から声を作って読み上げる。画像から声を作る機能はv2系のCharacter-Voiceモデル専用で、内部処理にjupo版「comfy-Irodori-TTS」を使う。
手順
「キャラ画像」の枠に画像を入れる。枠の中にドラッグ&ドロップするか、「アップロード」ボタン(または枠のクリック)から選ぶ。画像はComfyUIの input フォルダに保存され、プレビューが表示される。プルダウンから、すでにある画像を選ぶこともできる
「キャラモデル種別」で、アニメ(Tagger)かリアル(SigLIP)を選ぶ
「読み上げ文章」を書く(絵文字タグも使える)
「実行(このノードだけ)」を押す

項目のポイント
キャラ画像:声の元にするキャラクター画像。基本は使いたいキャラの画像を入れるだけで大丈夫
キャラモデル種別:「アニメ」=Taggerモデルで、アニメ絵のキャラ向け。「リアル」=SigLIPモデルで、リアル寄りの画像向け。使うモデル自体は「モデル登録」で変更できる。基本は使っている画像に合わせて選ぶだけで大丈夫
共通設定の「長さ」は、キャラ画像では0のとき30秒として扱う。文章が長いときは、0のままか、長めの秒数を指定してほしい。
8. バッチ生成モード
Excelに書いたセリフを、2行目から順に、各行の参照音声で生成して自動保存する。セリフか参照音声が空の行はスキップされる。行数分時間がかかる。

Excelの作り方
シートの1行目は見出しとして飛ばし、2行目から処理する。列の役割は次のとおり(同梱の sample/SerifSample.xlsx が書式の見本)。
A列=番号(No.):管理用の番号。処理の対象には使わない
B列=ファイルNo.:生成ファイル名の頭になる。数字は4桁にゼロ埋めされる
C列=キャラ名:生成ファイル名に入る
D列=参照音声:その行で使う参照音声のファイル名を書く。空の行はスキップされる
E列=セリフ:読み上げる文章。絵文字タグもそのまま書ける
生成される音声のファイル名は「B列_C列_E列(先頭15文字まで)」+拡張子で決まる。ファイル名に使えない文字は除去される。再実行すると同じ名前で上書きされる。
例:B列=1、C列=奥野勇一、E列=「うわ、ひどい土砂降り……」なら、ファイル名は「0001_奥野勇一_「うわ、ひどい土砂降り…….flac」のようになる。
手順
Excelファイルを output/Read/Serif に置く
D列で使う参照音声を、参照音声フォルダ(初期値は Read/RefVoice)に置く
「Excelファイル」のプルダウンから選ぶ
「参照音声フォルダ」が、D列のファイルの置き場所と合っているか確認する
「参照音声をチェック」を押して、D列の参照音声が全部そろっているか確認する
「実行(このノードだけ)」を押す
参照音声チェック
生成を始める前に、ExcelのD列に書かれた参照音声ファイルが、参照音声フォルダの中に全部そろっているかをチェックする。このボタンはチェックだけで、生成は始まらない。生成を実行したときも、同じチェックが自動で行われ、足りないものがあれば生成せずに知らせる。

全部そろっている場合は、緑色で「全部そろっています」と出る。

足りない場合は、赤色で見つからないファイル名と件数が出る。
実行中の表示と完了
実行中はノードの枠が緑色になり、状態行に行ごとの進捗(例:「3/10行完了」)が出る。実行回数を複数に指定した場合は、回数と行数の両方が併記される。

終わると「生成されました(各行を保存しました)」と表示される。失敗した行がある場合は、処理後に行番号とファイルNo.で知らせる。その行だけ直して再実行すれば大丈夫(できた行は上書きされる)。

バッチ生成では、保存は常時行われる。保存先は「保存設定」で変更できる(初期値は Create/Audio/batch)。「VoiceDesign」はバッチ全体の全行に効く。
9. 保存の仕組み
保存の設定は生成方法ごとに別々に持つ。キャラ画像と参照音声は「生成結果の自動保存」のピルと、その右の「保存設定」ボタンから開く。バッチ生成は常時保存で、「保存設定」だけがある。

保存フォルダ(output相対):保存先フォルダ。候補にはCreateフォルダ以下のフォルダが出る。候補から選ぶことも、新しいフォルダ名をそのまま書くこともできる。無いフォルダは自動で作られる。例:「Create/Audio」のままだと output/Create/Audio に保存される
ファイル名:保存ファイル名の頭。実際のファイル名は「名前_00001.flac」のように連番が付く(同名があると数字が増える)。バッチ生成のファイル名はExcelから決まるため、この項目はない
保存形式:flac=劣化なしで標準の形式、wav=いろんなソフトで扱いやすい形式、mp3=ファイルが小さい形式。基本はflacのままで大丈夫

保存フォルダの欄をクリックすると、Create以下の候補リストが出る。そのまま文字を書いて絞り込むことも、新しい名前を書くこともできる。
10. 全項目リファレンス
ノード上部(全モード共通)
実行回数:このノードだけの実行を何回くり返すか(1〜99)。全回数終了後(エラーで止まった場合も含む)に自動で1に戻る。設定ファイルには保存されない
実行(このノードだけ):このノードだけを実行する。進捗・完了・エラーは色分けで表示される
セリフ生成方法:作り方を1つ選ぶ。選んだ方法だけが実行され、その詳細エリアだけが表示される。基本は「参照音声」で大丈夫
使用モデル:現在の生成方法で使うモデルの表示
状態行:一番下の1行。「まだ生成していません」→実行中→完了/エラーの順に変わる。バッチ生成では行ごとの進捗も出る
共通設定(要点)
seed/seedの扱い:基本は「実行ごとにランダム」。再現したいときだけ固定する
長さ(秒):基本は0(自動)。キャラ画像では0のとき30秒扱い
ステップ数:基本は40
モード別の項目
参照音声:Read以下にある音声から選ぶ。30秒まで使用。「(なし)」で参照なし生成もできる
読み上げ文章:読ませる文章。文字数カウンタつき。絵文字ボタンから演技タグ(全46種)をカーソル位置に挿入できる
VoiceDesign:声質・話し方の文章指定(メインモデル用)。基本は空。参照音声・バッチ生成にある
キャラ画像:ドラッグ&ドロップ/アップロード/プルダウンで選ぶ。inputフォルダに保存され、プレビューが出る
キャラモデル種別:アニメ=Tagger、リアル=SigLIP。画像に合わせて選ぶ
Excelファイル:Read以下にある .xlsx から選ぶ。1行目は見出し、2行目から処理する
参照音声フォルダ:ExcelのD列のファイルが入っているフォルダ。初期値はRead/RefVoice
参照音声をチェック:D列の参照音声が全部そろっているか事前に確認する。生成は始まらない
生成結果の自動保存:モード別の保存ON/OFF。OFFでも生成後に「この音声を保存」で保存できる(キャラ画像・参照音声)。バッチ生成は常時保存
11. うまくいかないとき
ノードが追加メニューに出ない:custom_nodes の中に ComfyUI-OZ フォルダが入っているか確認し、ComfyUIを再起動する。更新時はフォルダを消さずに上書きコピーが原則
モデル登録の候補にモデルが出ない/モデルが見つからないと言われる:モデルの配置場所(models/checkpoints)を確認する。v4.1-Smallはフォルダごと、TaggerとSigLIPは .safetensors 単体。置いた後はComfyUIの再起動が必要
参照音声やExcelが一覧に出ない:置き場所が output のRead以下になっているか確認する。一覧は開くたびに最新を読み直すので、置いた直後は開き直せば出る
参照音声チェックで「見つからない」になる:ExcelのD列のファイル名(拡張子まで)と、参照音声フォルダの中の実ファイルが一致しているか、「参照音声フォルダ」の選択が合っているかを確認する
キャラ画像モードでエラーになる:前提ノードのjupo版「comfy-Irodori-TTS」が入っているか、モデル登録のアニメ/リアルにv2系モデルが選ばれているかを確認する
音声が途中で切れる/無音が多い:共通設定の「長さ」を見直す。短すぎると文章が途中で切れ、長すぎると無音区間が増える。基本は0(自動)
声が狙った感じにならない:seedの扱いを「固定する」にすると、同じ条件で比較をくり返せる。VoiceDesignと参照音声が矛盾する指定は不安定になりやすい。参照音声は30秒までしか使われない
バッチで一部の行が失敗した:処理後に失敗行が行番号とファイルNo.で表示される。その行のセリフ・参照音声を直して再実行する。成功した行は同じファイル名で上書きされる
実行しても選んだモードと違う結果になる:実行されるのは「セリフ生成方法」で選んだ1つだけ。モードボタンの選択と、その下に出ている詳細エリアが一致しているか確認する
作者の環境では動作確認していますが、すべての環境での動作を保証するものではありません。不具合に気づいたらnoteのコメントで教えてください。
12. ライセンスと倫理
本ノードは、Irodori-TTS公式の推論ランタイム(MITライセンス)を同梱しています。各ライセンス文は配布zip内の licenses フォルダと vendor フォルダ内のLICENSEファイルに収録しています。
モデルには倫理上の制限があります。本人の同意のない実在人物の声のクローン・なりすまし、誤情報を目的とした利用はしないでください。
更新履歴
2026-11-12:初版。ComfyUI-OZ v2.0(OZ IrodoriTTS AllInOne ver2)対応