音频与 3D

音频生成

打开底部栏的生成菜单（图像生成 旁边的箭头），选择 音频生成。

标签页	需要提供	模型
配乐	风格标签（曲风、情绪、乐器、速度），可选歌词（用 `[verse]` / `[chorus]` 分段），时长 15、30、60 或 120 秒	ACE-Step
配音	要朗读的文字和一个声音：中文、美式英语、英式英语或日语，女声或男声。画布上选中一段音频时，声音列表里还会多出克隆所选音频的声音	Kokoro，克隆用 IndexTTS-2
音效	一句简短描述，最长 47 秒	Stable Audio Open

每个结果都是画布上的一张音频卡片，带播放按钮、进度条和时长。拖到画布上的音频文件也会变成同样的卡片，Agent 也能生成配乐、配音和音效。

选中一张单个物体的图片（最好是纯色背景），在 ⋯ 里选 转 3D。ComfyUI 会抠出物体，用 TRELLIS.2 生成带贴图的网格，清理并精简后保存成 GLB 文件。模型会放在图片旁边。

3D 卡片会自己慢慢旋转。它的工具栏可以停止旋转、设置背景色、导出当前画面 为一张图片继续拿来做设计、切换到交互用鼠标旋转和缩放，以及下载 GLB。上传的 3D 文件（GLB、GLTF、OBJ、FBX、STL、PLY）也是同样的卡片。生成一个模型需要几分钟。需要的文件见模型。