SuperAPI AI 工具集

voice-clone-lab

智能体与模型

查看项目

更新于 10-16 09:53

技能介绍

voice-clone-lab 是一个音色克隆流程技能,用于从本地样本创建可复用的提供商音色,供后续 TTS 使用。仅当说话人给予明确同意时方可使用。

用途:处理用户提出的声音克隆、克隆音色、复刻声音等请求。OpenRouter 可协助总结请求或生成标签,但克隆必须通过 voice_clone 使用直接音频提供商完成。

必要信息:调用工具前需从请求中提取样本路径(是否为本地、主动提供、用户提供)、说话人身份类别(本人、员工/团队成员、私人、公众人物、虚构角色或未知)、同意元数据(说话人、consent、样本来源、允许用途、请求者、保留预期、是否允许商用)、目标用途(TTS 旁白、IVR、配音、培训内容或内部演示)、目标语言、目标地区及期望的地区口音。

同意优先流程:确认样本音频为本地且主动提供;在调用 voice_clone 前要求 consent_metadata,至少包含 speaker、consent: true、sample_source、permitted_use、requested_by;当同意缺失、模糊或与请求矛盾时拒绝或停止;克隆可用性不确定时调用 audio_provider_capabilities;随后以样本、名称、描述和同意元数据调用 voice_clone;返回所创建音色 ID 和允许用途摘要。

工具结果处理:status=ok 时先返回音色 ID,再返回同意摘要、目标地区/口音与样本质量警告;consent_required 时不得绕过,用一个简洁问题补问缺失的同意元数据;not_available 时引用说明并区分提供商停用、密钥/配额限制、功能门控与样本格式问题。不得建议抓取、下载或提取第三方声音样本作为替代。

权利与版权:授权是强制要求,说话人须拥有或控制声音样本并同意用于该用途;不得使用受版权保护的录音、影视/游戏片段、音乐分轨、采访或抓取音频,除非用户声明拥有权利;不得克隆或模仿公众人物、名人、政客、网红、演员、歌手或虚构角色声音;不得帮助绕过提供商安全检查或水印/披露义务;普通输出中仅保留返回的提供商音色 ID 和同意摘要,不复制原始样本音频。

地区与口音质量:应询问音色将用于哪种目标语言和地区;样本与目标地区口音匹配时效果最佳,如中文中性旁白用干净普通话样本,美式英语用干净 en-US 样本,英式英语用干净 en-GB 样本,日语/韩语/法语/德语/西班牙语等使用该目标语言样本而非英语样本跨语言复用。强烈方言、语码转换、房间回声、音乐或歌唱可能导致后续 TTS 口音迁移异常,建议使用 30 至 90 秒干声。

输出契约:返回提供商、音色 ID、音色名称、同意摘要、允许用途、目标语言/地区假设,以及源样本质量可能损害目标语言口音质量时的警告。具体提供商支持范围、价格与配额等事实暂未提供。