mcpField
A
alicloud-ai-audio-cosyvoice-voice-design

alicloud-ai-audio-cosyvoice-voice-design

github.com/cinienceクリエイティブ・メディア39696 回インストール11 週間前に更新
リポジトリ

alicloud-ai-audio-cosyvoice-voice-design について

自然言語の説明から Alibaba Cloud Model Studio CosyVoice の設計音声を作成するスキルです。音声登録リクエストを準備し、CosyVoice の対象モデルを指定できます。

主な機能

  1. 01テキスト説明から音声を作成
  2. 02対象の合成モデルを指定
  3. 03正規化リクエスト JSON の作成
  4. 04プレビュー文と言語の設定
  5. 05音声 ID とリクエスト ID の取得

活用シーン

  1. 01ナレーション用の音声設計
  2. 02告知文のプレビュー音声作成

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/cinience/alicloud-skills --skill alicloud-ai-audio-cosyvoice-voice-design

インストール後、Claude Code で/alicloud-ai-audio-cosyvoice-voice-designを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

agents/
openai.yaml
evals/
evals.json
references/
api_reference.md
sources.md
scripts/
prepare_cosyvoice_design_request.py

詳細

Category: provider

Model Studio CosyVoice 音声デザイン

CosyVoice の音声登録 API を使用して、自然言語による音声の説明からデザイ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

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。
  • target_model は、後続の音声合成モデルと一致させる必要があります。

エンドポイント

  • 国内向け：https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization
  • 国際向け：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 を追加します。

正規化インターフェース（cosyvoice.voice_design）

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）：英字と数字のみ、最大10文字
  • voice_prompt（string、必須）：最大500文字、中国語または英語のみ
  • preview_text（string、必須）：最大200文字、中国語または英語
  • language_hints（array[string]、任意）：zh または en。preview_text と一致させる必要があります
  • sample_rate（int、任意）：例：24000
  • response_format（string、任意）：例：wav
レスポンス
  • voice_id（string）
  • request_id（string）
  • status（string、任意）

運用ガイダンス

  • voice_prompt は具体的に記述します。声質、年齢層、ペース、感情、発音、シナリオを指定してください。
  • language_hints を使用する場合は、preview_text の言語と一致させる必要があります。
  • デザイン音声名には、生成されたバックエンドの命名規則に基づき -vd- マーカーが含まれます。

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-design/scripts/prepare_cosyvoice_design_request.py \
  --target-model cosyvoice-v3.5-plus \
  --prefix announcer \
  --voice-prompt "沉稳的中年男性播音员，低沉有磁性，语速平稳，吐字清晰。" \
  --preview-text "各位听众朋友，大家好，欢迎收听晚间新闻。" \
  --language-hint zh

検証

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

合格基準：コマンドが終了コード0で終了し、output/alicloud-ai-audio-cosyvoice-voice-design/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-design/ に保存します。
  • エビデンスファイルに target_model、prefix、voice_prompt、preview_text を含めます。

参考資料

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

コメント

Markdown 対応