用途:通过阿里云百炼(Model Studio)CosyVoice 音色定制接口,用一段自然语言音色描述生成设计音色。
主要能力:使用 model="voice-enrollment" 配合 target_model,可选 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"。请求参数包含 prefix(必填,仅字母数字,最多10字符)、voice_prompt(必填,最多500字符,仅中英文)、preview_text(必填,最多200字符)、language_hints(可选,zh 或 en,需与 preview_text 语言一致)、sample_rate、response_format。返回 voice_id、request_id、status 等。
使用方式:需先设置 DASHSCOPE_API_KEY 环境变量,或在 ~/.alibabacloud/credentials 中配置 dashscope_api_key。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。本地可用脚本生成规范化请求:python skills/ai/audio/aliyun-cosyvoice-voice-design/scripts/prepare_cosyvoice_design_request.py,并传入上述参数。
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 不支持声音复刻/设计。target_model 必须与后续语音合成模型一致。建议 voice_prompt 具体描述音色、年龄段、语速、情绪、咬字和场景。设计音色名称在后台命名约定中带 -vd- 标记。产出、命令输出和 API 响应摘要保存至 output/aliyun-cosyvoice-voice-design/。其余细节暂未提供。