mcpField
A
aliyun-cosyvoice-voice-design

aliyun-cosyvoice-voice-design

github.com/cinienceクリエイティブ・メディア39655 回インストール11 週間前に更新
リポジトリ

aliyun-cosyvoice-voice-design について

aliyun-cosyvoice-voice-designは、CosyVoiceの音声登録APIを使い、自然言語の説明からデザイン音声を作成するスキルです。target_modelは後続の音声合成で使うモデルと一致させます。

主な機能

  1. 01文章による音声デザイン
  2. 02音声合成モデルの選択
  3. 03プレビュー文と使用言語の指定
  4. 04voice_idの生成

活用シーン

  1. 01音声合成用のナレーション音声を設計
  2. 02声質・話速・感情を指定した音声の作成

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 aliyun-cosyvoice-voice-design

インストール後、Claude Code で/aliyun-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

カテゴリ：provider

Model Studio CosyVoice ボイスデザイン

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" を使用し、次のいずれかの target_model 値を指定します。

  • 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：

  • target_model="cosyvoice-v3.5-plus"

リージョンと互換性

  • cosyvoice-v3.5-plus および 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 および 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：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 を追加します。

正規化インターフェース（cosyvoice.voice_design）

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_prompt（文字列、必須）：最大500文字、中国語または英語のみ
  • preview_text（文字列、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（文字列、任意）：例：wav
レスポンス
  • voice_id（文字列）
  • request_id（文字列）
  • status（文字列、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、話す速さ、感情、発音、使用場面を指定してください。
  • language_hints を使用する場合は、preview_text の言語と一致させてください。
  • 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で -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/aliyun-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/aliyun-cosyvoice-voice-design
for f in skills/ai/audio/aliyun-cosyvoice-voice-design/scripts/*.py; do
  python3 -m py_compile "$f"
done
echo "py_compile_ok" > output/aliyun-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/aliyun-cosyvoice-voice-design/validate.txt が生成されること。

出力と証跡

  • 成果物、コマンド出力、API レスポンスの概要を output/aliyun-cosyvoice-voice-design/ に保存します。
  • 証跡ファイルに 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