SuperAPI AI 工具集

aliyun-qwen-tts-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:基于阿里云百炼(Model Studio)Qwen TTS 声音克隆模型,从注册音频样本中复刻音色,并用克隆音色合成文本语音。

主要能力:提供归一化接口 tts.voice_clone。请求参数包括 text(字符串,必填)、voice_sample(字符串或字节,必填,为注册样本)、voice_name(可选)、stream(可选)。响应返回 audio_url(字符串)或流式 PCM 分块,以及 voice_id 和 request_id。

必要用法:必须使用以下精确模型字符串之一:qwen3-tts-vc-2026-01-22 或 qwen3-tts-vc-realtime-2026-01-15。在虚拟环境中安装 SDK:python3 -m venv .venv;. .venv/bin/activate;python -m pip install dashscope。设置环境变量 DASHSCOPE_API_KEY,或在 ~/.alibabacloud/credentials 中添加 dashscope_api_key。

本地辅助脚本:准备归一化请求 JSON 并校验响应结构,例如 .venv/bin/python skills/ai/audio/aliyun-qwen-tts-voice-clone/scripts/prepare_voice_clone_request.py --text "Welcome to this voice-clone demo" --voice-sample "https://example.com/voice-sample.wav"。默认输出目录为 output/ai-audio-tts-voice-clone/audio/,可用 OUTPUT_DIR 覆盖基础目录。

操作建议:使用低背景噪声的清晰语音样本;遵守克隆声音的同意与政策要求;持久化生成的 voice_id 以便后续合成复用。

验证方式:对脚本目录下所有 .py 执行 python3 -m py_compile,通过标准为命令退出码 0 且生成 output/aliyun-qwen-tts-voice-clone/validate.txt。

工作流:确认用户意图、区域、标识符及操作是只读还是变更;先执行一次最小只读查询验证连通性与权限;以明确参数和有界范围执行目标操作;验证结果并保存输出与证据文件。产物、命令输出和 API 响应摘要保存在 output/aliyun-qwen-tts-voice-clone/ 下,证据文件应包含关键参数(区域/资源 ID/时间范围)以便复现。

限制:资料未提供价格、配额、支持语言、音频格式与时长上限等细节,暂未提供。