mcpField
A
aliyun-cosyvoice-voice-clone

aliyun-cosyvoice-voice-clone

github.com/cinienceクリエイティブ・メディア396116 回インストール11 週間前に更新
リポジトリ

aliyun-cosyvoice-voice-clone について

公開された参照音声を使い、Alibaba Cloud Model Studio の CosyVoice に声を登録するスキルです。複数の対象モデルと言語ヒントに対応し、後続の音声合成用 voice ID を返します。

主な機能

  1. 01公開音声 URL からの声の登録
  2. 02複数の CosyVoice 対象モデルへの対応
  3. 03言語ヒントの指定
  4. 04合成用 voice ID の返却

活用シーン

  1. 01後続の音声合成用に複製音声を作成
  2. 02モデルと言語ヒントを選んで参照音声を登録

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 aliyun-cosyvoice-voice-clone

インストール後、Claude Code で/aliyun-cosyvoice-voice-clone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_clone_request.py

詳細

カテゴリ：プロバイダー

Model Studio CosyVoice ボイスクローン

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：

  • 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 はボイスクローン／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させる必要があります。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。
  • 登録サンプルの公開音声 URL を指定します。

正規化インターフェース（cosyvoice.voice_clone）

リクエスト
  • model（文字列、任意）：voice-enrollment に固定
  • target_model（文字列、任意）：デフォルトは cosyvoice-v3.5-plus
  • prefix（文字列、必須）：英字と数字のみ、最大 10 文字
  • voice_sample_url（文字列、必須）：公開音声 URL
  • language_hints（配列[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 のみ
  • enable_preprocess（bool、任意）：cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-flash のみ
レスポンス
  • voice_id（文字列）：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（文字列）
  • usage.count（数値、任意）

運用ガイダンス

  • 中国語の方言の参照音声には、language_hints=["zh"] を指定します。方言のスタイルは、後の音声合成でテキストまたは instruct を通じて制御します。
  • cosyvoice-v3.5-plus で対応している 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。呼び出すたびに新しいカスタム音声が作成され、クォータを消費します。

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

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

出力と証拠

  • 成果物、コマンド出力、API レスポンスの概要を output/aliyun-cosyvoice-voice-clone/ に保存します。
  • 証拠ファイルには target_model、prefix、サンプル URL を記載します。

参考資料

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

コメント

Markdown 対応