alicloud-ai-audio-cosyvoice-voice-clone

Category: provider

Model Studio CosyVoice 音声クローン

CosyVoice の音声登録 API を使用して、公開されている参照音声からクローン音声を作成します。

重要なモデル名

model="voice-enrollment" と、次のいずれかの target_model 値を使用します。

• cosyvoice-v3.5-plus
• cosyvoice-v3.5-flash
• cosyvoice-v3-plus
• cosyvoice-v3-flash
• cosyvoice-v2

このリポジトリで推奨されるデフォルト値：

• target_model="cosyvoice-v3.5-plus"

リージョンと互換性

• cosyvoice-v3.5-plus と cosyvoice-v3.5-flash は、中国本土のデプロイモード（北京エンドポイント）でのみ利用できます。
• 国際デプロイモード（シンガポールエンドポイント）では、cosyvoice-v3-plus と cosyvoice-v3-flash は音声クローン／デザインに対応していません。
• 登録時に使用する target_model は、後の音声合成で使用するモデルと一致している必要があります。一致しない場合、音声合成は失敗します。

エンドポイント

• 国内：https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization
• 国際：https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization

前提条件

• 環境に DASHSCOPE_API_KEY を設定するか、~/.alibabacloud/credentials に dashscope_api_key を追加してください。
• 登録サンプル用の公開音声 URL を指定してください。

正規化されたインターフェース（cosyvoice.voice_clone）

リクエスト

• model（string、任意）：voice-enrollment に固定
• target_model（string、任意）：デフォルトは cosyvoice-v3.5-plus
• prefix（string、必須）：英字／数字のみ、最大 10 文字
• voice_sample_url（string、必須）：公開音声 URL
• language_hints（array[string]、任意）：最初の項目のみ使用されます
• max_prompt_audio_length（float、任意）：cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-flash でのみ使用できます
• enable_preprocess（bool、任意）：cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-flash でのみ使用できます

レスポンス

• voice_id（string）：後続の TTS 呼び出しで voice パラメーターとして使用します
• request_id（string）
• usage.count（number、任意）

運用ガイダンス

• 中国語の方言の参照音声では、language_hints=["zh"] を指定し、合成時にテキストまたは instruct で方言のスタイルを調整してください。
• cosyvoice-v3.5-plus でサポートされている language_hints は、zh、en、fr、de、ja、ko、ru、pt、th、id、vi です。
• 登録を頻繁に呼び出すことは避けてください。呼び出しごとに新しいカスタム音声が作成され、クォータが消費されます。

ローカルヘルパースクリプト

正規化されたリクエスト JSON を準備します。

python skills/ai/audio/alicloud-ai-audio-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

検証

mkdir -p output/alicloud-ai-audio-cosyvoice-voice-clone
for f in skills/ai/audio/alicloud-ai-audio-cosyvoice-voice-clone/scripts/*.py; do
  python3 -m py_compile "$f"
done
echo "py_compile_ok" > output/alicloud-ai-audio-cosyvoice-voice-clone/validate.txt

合格条件：コマンドが 0 で終了し、output/alicloud-ai-audio-cosyvoice-voice-clone/validate.txt が生成されること。

出力とエビデンス

• 成果物、コマンド出力、API レスポンスの概要を output/alicloud-ai-audio-cosyvoice-voice-clone/ に保存します。
• エビデンスファイルに target_model、prefix、サンプル URL を含めます。

参考資料

• references/api_reference.md
• references/sources.md