SuperAPI AI 工具集

alicloud-ai-audio-cosyvoice-voice-clone

智能体与模型

查看项目

更新于 10-15 17:34

技能介绍

用途:在阿里云百炼(Model Studio)中基于 CosyVoice 定制模型,从公开参考音频创建克隆音色。

主要能力:调用声音注册(voice enrollment)接口。请求中 model 固定为 voice-enrollment,target_model 可选 cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-plus、cosyvoice-v3-flash、cosyvoice-v2,仓库推荐默认 cosyvoice-v3.5-plus。prefix 必填,仅限字母数字、最多 10 字符;voice_sample_url 为必填的公开音频 URL;language_hints 仅取第一项;max_prompt_audio_length 与 enable_preprocess 仅适用于 v3.5-plus、v3.5-flash、v3-flash。响应含 voice_id(后续 TTS 的 voice 参数)、request_id 及可选的 usage.count。

区域与兼容:v3.5-plus 与 v3.5-flash 仅在中国大陆部署模式(北京 endpoint)可用;国际部署模式(新加坡 endpoint)下 v3-plus 与 v3-flash 不支持声音克隆/设计。注册时的 target_model 必须与后续语音合成所用模型一致,否则合成失败。

端点:国内 https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization ;国际 https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization 。

前置条件:设置环境变量 DASHSCOPE_API_KEY,或在 ~/.alibabacloud/credentials 中添加 dashscope_api_key;提供公开音频 URL。

使用方式:可用本地脚本准备请求 JSON:python skills/ai/audio/alicloud-ai-audio-cosyvoice-voice-clone/scripts/prepare_cosyvoice_clone_request.py --target-model cosyvoice-v3.5-plus --prefix myvoice --voice-sample-url https://example.com/voice.wav --language-hint zh。

校验:mkdir -p output/alicloud-ai-audio-cosyvoice-voice-clone for f in skills/ai/audio/alicloud-ai-audio-cosyvoice-voice-clone/scripts/*.py; do python3 -m py_compile "$f" done echo "py_compile_ok" > output/alicloud-ai-audio-cosyvoice-voice-clone/validate.txt 通过标准:命令退出码为 0 且生成 validate.txt。

适用场景:需要为中文方言等参考音频创建自定义音色,并在合成阶段通过文本或 instruct 控制风格。

限制:避免频繁调用注册,每次调用都会创建新自定义音色并消耗配额;方言参考音频建议 language_hints=["zh"];v3.5-plus 支持 zh、en、fr、de、ja、ko、ru、pt、th、id、vi。产出物与命令输出、响应摘要建议保存在 output/alicloud-ai-audio-cosyvoice-voice-clone/,证据文件需包含 target_model、prefix 和样本 URL。参考资料见 references/api_reference.md 与 references/sources.md。