ComfyUI-Foundation-1：将专业音乐制作带入节点流，结构化文本生成完美循环

对于音乐制作人和声音设计师而言，AI 生成音乐往往面临“不可控”的痛点：节奏对不上网格、调性混乱、音色难以精确描述。

• GitHub：https://github.com/Saganaki22/ComfyUI-Foundation-1

ComfyUI-Foundation-1 是 Foundation-1 模型在 ComfyUI 中的原生封装节点。它将 Foundation-1 强大的结构化文本到采样能力无缝集成到 ComfyUI 的工作流中，让你能够像调整图像生成参数一样，精确控制音乐的 BPM、小节数、调性、乐器配置、音色纹理及效果器链。生成的音频直接以 AUDIO 格式输出，可立即接入 ComfyUI 的其他音频节点进行后续处理、混合或视频合成。

Foundation-1：重新定义 AI 音乐制作，首个“结构化文本生成采样”模型

核心亮点：为制作人而生的精准控制

1. 结构化提示词系统

不再依赖模糊的自然语言描述。本节点支持 Foundation-1 独有的分层标签体系：

• 乐器 (Instrument): Synth Lead, Grand Piano, Acoustic Guitar
• 音色 (Timbre): Warm, Bright, Glassy, Punchy
• 效果器 (FX): Reverb, Delay, Distortion, Bitcrush
• 记谱/行为 (Notation): Arp, Chord Progression, Rolling Bassline
• 独立参数控制: BPM, 小节数 (Bars), 调性 (Key) 通过专用下拉菜单控制，确保绝对精准。

2. 节奏与调性完美同步

• 自动时长计算: 根据输入的 BPM 和 小节数 (4 或 8 小节)，自动计算并生成严格对齐网格的音频片段，无需后期手动裁剪。
• 全调性支持: 内置 24 种 西方音乐调性（大调/小调），确保生成的旋律和和声始终和谐。

3. 音频变体 (Audio-to-Audio)

支持 图生图 (Img2Img) 式的音乐工作流：

• 输入一段现有的音频（如哼唱的旋律或简单的节奏）。
• 设置 init_noise_level (重绘幅度)。
• 结合新的提示词，让 AI 基于原音频的结构重新演绎，生成风格迥异但节奏一致的变体。

4. 极致性能优化

• 注意力机制自选: 支持 sdpa, flash_attention_2, sageattention，显著提升生成速度。
• 显存管理: 支持生成后自动卸载模型 (unload_after_generate)，节省宝贵显存供其他节点使用。
• 原生进度条: 实时显示扩散生成进度，支持随时中断。

安装指南

方法一：ComfyUI Manager (推荐)

1. 打开 ComfyUI Manager。
2. 搜索 Foundation-1。
3. 点击 Install。
4. 重启 ComfyUI。

方法二：手动安装

cd ComfyUI/custom_nodes
git clone https://github.com/saganaki22/ComfyUI-Foundation-1.git
cd ComfyUI-Foundation-1
python install.py

提示: 推荐安装 sageattention 以获得最佳速度：pip install sageattention

快速开始：构建你的第一个音乐工作流

1. 加载模型

添加 Foundation-1 Model Loader 节点：

• model: 选择 Foundation-1 (首次运行会自动从 HuggingFace 下载约 3GB 权重)。
• attention: 选择 auto 或手动指定 sageattention (若已安装)。

2. 生成音乐

添加 Foundation-1 Generate 节点并连接模型：

• tags: 输入结构化标签，例如：Synth Lead, Warm, Wide, Bright, Arp, Reverb
  • (注意：不要在 tags 中写 BPM 或调性，使用下方独立参数)
• bpm: 选择 128 (或其他 100-150 之间的值)。
• bars: 选择 8 Bars (生成 8 小节循环)。
• key: 选择 C Minor (或其他调性)。
• steps: 250 (高质量) 或 100 (快速预览)。
• cfg_scale: 7.0。
• seed: 固定种子以复现结果，或随机探索。

3. 输出与后续

• 节点输出 audio 信号。
• 连接 Save Audio 节点保存 WAV 文件。
• 或者连接 VHS_VideoCombine 节点，直接将生成的音乐配乐到视频中！

高级玩法：音频变体工作流

想要 remix 一段现有的鼓点或旋律？

1. 使用 Load Audio 节点加载本地音频文件。
2. 将其连接到 Foundation-1 Generate 节点的 audio 输入端。
3. 调整 init_noise_level:
   • 0.3 - 0.5: 保留大部分原曲结构，仅改变音色。
   • 0.6 - 0.8: 大幅重构，保留节奏骨架但改变旋律和配器。
   • > 0.9: 几乎完全重新生成，仅参考原曲氛围。
4. 修改 tags 为你想要的新风格（如从 Piano 改为 Synth Wave），点击生成即可得到完美卡点的 Remix 版本。

系统要求与注意事项

• GPU: 必须为 NVIDIA GPU (CUDA 11.8+)，最低 8GB 显存。
  • 不支持 CPU 或 Apple MPS (Mac)，因为模型强依赖 Flash Attention。
• 显存占用: 生成时约 7GB。若显存紧张，请勾选 unload_after_generate。
• 首次运行: 需要联网下载 T5 编码器 (900MB) 和模型权重 (3GB)。后续可离线使用。
• 时长限制: 单次生成最大支持 20 秒 (通常为 8 小节 @ 100 BPM)。

许可证说明

本项目遵循 Stability AI Community License:

• ✅ 个人/非商业用途: 完全免费。
• ✅ 小型商业实体: 年收入 < $100 万美元，可免费用于商业项目。
• ⚠️ 大型商业实体: 年收入 > $100 万美元，需联系获取商业授权。