SuperAPI AI 工具集

aliyun-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:该技能用于在阿里云百炼(Model Studio)CosyVoice 定制模型上,基于公开参考音频创建克隆音色(音色注册/voice enrollment)。调用后得到 voice_id,可在后续语音合成中作为 voice 参数使用。

主要能力:接口调用时 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。返回 voice_id、request_id,以及可选的 usage.count。

使用方式:先设置 DASHSCOPE_API_KEY,或在 ~/.alibabacloud/credentials 中添加 dashscope_api_key,并准备公开可访问的音频 URL。规范化接口为 cosyvoice.voice_clone,请求参数含 prefix(必填,仅字母数字,最长 10 字符)、voice_sample_url(必填,公开音频 URL)、language_hints(可选,仅取第一项)、max_prompt_audio_length(可选,仅部分模型)、enable_preprocess(可选,仅部分模型)。国内端点为 https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization,国际端点为 https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization。可用本地脚本准备请求:python skills/ai/audio/aliyun-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

适用场景与限制:cosyvoice-v3.5-plus 与 cosyvoice-v3.5-flash 仅在中国大陆部署模式(北京端点)可用;国际部署模式(新加坡端点)下 cosyvoice-v3-plus 与 cosyvoice-v3-flash 不支持音色复刻/设计。注册时使用的 target_model 必须与后续语音合成所用模型一致,否则合成失败。中文方言参考音频建议 language_hints=["zh"],方言风格在合成阶段用文本或 instruct 控制。cosyvoice-v3.5-plus 支持的 language_hints 含 zh、en、fr、de、ja、ko、ru、pt、th、id、vi。避免频繁调用,每次注册都会创建新定制音色并消耗配额。输出物、命令结果与 API 响应摘要需保存在 output/aliyun-cosyvoice-voice-clone/ 下,证据文件需包含 target_model、prefix 与样本 URL。收费与价格信息暂未提供。