用途:该技能基于 coze-coding-dev-sdk 提供文本转语音(TTS)和自动语音识别(ASR)两类能力,结果直接返回至 stdout。
主要能力:TTS 支持单条文本合成、指定音色、批量文本生成,并可设置格式、采样率、语速与音量等参数;ASR 支持从音频 URL 或本地文件转写,输出转写文本、时长与分段信息。
使用方式:TTS 通过 npx ts-node {baseDir}/scripts/tts.ts 运行,常用参数包括 --text、--texts、--speaker、--format、--sample-rate、--speech-rate、--loudness-rate。ASR 通过 npx ts-node {baseDir}/scripts/asr.ts 运行,参数为 --url 或 --file。
可用音色:资料列出通用、有声书、视频配音与角色扮演等多类中英文音色,默认音色为 zh_female_xiaohe_uranus_bigtts。
限制:ASR 音频时长不超过 2 小时,文件不超过 100MB,支持 WAV、MP3、OGG OPUS、M4A 格式;生成的音频 URL 有有效期;语速与音量取值为 -50 到 100,采样率 8000-48000。