用途:在阿里云百炼(Model Studio)上使用 CosyVoice 音色设计能力,通过一段自然语言音色描述创建定制音色,用于后续语音合成。
主要能力:调用 voice-enrollment 接口,从音色描述生成设计音色。关键模型名:model 固定为 voice-enrollment,target_model 可填 cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-plus、cosyvoice-v3-flash;本仓库推荐默认 target_model="cosyvoice-v3.5-plus"。
区域与兼容性:cosyvoice-v3.5-plus 和 cosyvoice-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 cosyvoice-v3-plus 与 cosyvoice-v3-flash 不支持音色克隆/设计。target_model 必须与后续语音合成模型一致。
接口地址: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:在环境变量中设置 DASHSCOPE_API_KEY,或在 ~/.alibabacloud/credentials 中添加 dashscope_api_key。
归一化接口 cosyvoice.voice_design 请求参数:model(可选,固定 voice-enrollment);target_model(可选,默认 cosyvoice-v3.5-plus);prefix(必填,仅字母数字,最长 10 字符);voice_prompt(必填,最长 500 字符,仅中英文);preview_text(必填,最长 200 字符,中英文);language_hints(可选数组,zh 或 en,应与 preview_text 语言一致);sample_rate(可选,如 24000);response_format(可选,如 wav)。响应含 voice_id、request_id 及可选 status。
使用方式:可用本地辅助脚本准备归一化请求 JSON,例如 python skills/ai/audio/alicloud-ai-audio-cosyvoice-voice-design/scripts/prepare_cosyvoice_design_request.py --target-model cosyvoice-v3.5-plus --prefix announcer --voice-prompt "……" --preview-text "……" --language-hint zh。校验方式为对 scripts 下 Python 文件执行 py_compile,退出码为 0 且生成 validate.txt 即通过。产物、命令输出与 API 响应摘要保存到 output/alicloud-ai-audio-cosyvoice-voice-design/,证据文件需包含 target_model、prefix、voice_prompt、preview_text。
操作建议:voice_prompt 应具体描述音色、年龄段、语速、情绪、咬字与场景;使用 language_hints 时需与 preview_text 语言一致;设计音色名称在后端命名中含 -vd- 标记。
限制:价格、配额及完整参数细节资料未提供;相关说明见 references/api_reference.md 与 references/sources.md。