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

alicloud-ai-audio-cosyvoice-voice-design

github.com/cinience创意与媒体39696 次安装11 周前更新
代码仓库

关于 alicloud-ai-audio-cosyvoice-voice-design

使用 Alibaba Cloud Model Studio CosyVoice 根据自然语言描述创建设计音色的技能，可准备音色注册请求并指定 CosyVoice 目标模型。

主要功能

  1. 01根据文字描述创建音色
  2. 02指定目标合成模型
  3. 03准备规范化请求 JSON
  4. 04设置预览文本和语言
  5. 05获取音色与请求标识

适用场景

  1. 01为旁白设计音色
  2. 02为公告预览创建音色

安装

复制下面的命令，在终端中运行。

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

安装后在 Claude Code 中输入/alicloud-ai-audio-cosyvoice-voice-design确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

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

详细介绍

Category：provider

Model Studio CosyVoice 音色设计

使用 CosyVoice 音色注册 API，根据自然语言音色描述创建设计音色。

关键模型名称

使用 model="voice-enrollment"，并将 target_model 设为以下值之一：

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

本仓库建议的默认值：

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

区域与兼容性

  • cosyvoice-v3.5-plus 和 cosyvoice-v3.5-flash 仅在中国大陆部署模式（北京 endpoint）下可用。
  • 在国际部署模式（新加坡 endpoint）下，cosyvoice-v3-plus 和 cosyvoice-v3-flash 不支持音色克隆/设计。
  • target_model 必须与后续语音合成所用的模型一致。

Endpoint

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

前提条件

  • 在环境中设置 DASHSCOPE_API_KEY，或将 dashscope_api_key 添加到 ~/.alibabacloud/credentials。

标准化接口（cosyvoice.voice_design）

请求
  • model（string，可选）：固定为 voice-enrollment
  • target_model（string，可选）：默认为 cosyvoice-v3.5-plus
  • prefix（string，必填）：仅限字母/数字，最多 10 个字符
  • voice_prompt（string，必填）：最多 500 个字符，仅限中文或英文
  • preview_text（string，必填）：最多 200 个字符，中文或英文
  • language_hints（array[string]，可选）：zh 或 en，且应与 preview_text 的语言一致
  • sample_rate（int，可选）：例如 24000
  • response_format（string，可选）：例如 wav
响应
  • voice_id（string）
  • request_id（string）
  • status（string，可选）

操作指南

  • 让 voice_prompt 具体明确：描述音色、年龄范围、语速、情绪、吐字方式和使用场景。
  • 如果使用 language_hints，其语言应与 preview_text 一致。
  • 按照生成的后端命名规则，设计音色名称中会包含 -vd- 标记。

本地辅助脚本

准备标准化请求 JSON：

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

验证

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

通过标准：命令以 0 退出，且生成 output/alicloud-ai-audio-cosyvoice-voice-design/validate.txt。

输出与证据

  • 将产物、命令输出和 API 响应摘要保存到 output/alicloud-ai-audio-cosyvoice-voice-design/ 下。
  • 在证据文件中包含 target_model、prefix、voice_prompt 和 preview_text。

参考资料

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

评论

支持 Markdown