mcpField
A
alicloud-ai-audio-tts-voice-clone

alicloud-ai-audio-tts-voice-clone

github.com/cinience创意与媒体396396 次安装11 周前更新
代码仓库

关于 alicloud-ai-audio-tts-voice-clone

此技能为 Alibaba Cloud Model Studio 的 Qwen TTS 语音克隆模型提供规范化调用流程，面向使用 DashScope 的语音合成工作流。它支持输入注册音频并返回音频链接或流式 PCM 数据。

主要功能

  1. 01使用注册音频克隆音色
  2. 02支持两种指定模型名称
  3. 03输出音频链接或 PCM 流
  4. 04返回 voice_id 和请求 ID

适用场景

  1. 01为文本生成克隆音色语音
  2. 02保存 voice_id 以供后续合成

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-tts-voice-clone

安装后在 Claude Code 中输入/alicloud-ai-audio-tts-voice-clone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
references/
sources.md
scripts/
prepare_voice_clone_request.py

详细介绍

Category: 提供方

Model Studio Qwen TTS 音色克隆

使用音色克隆模型，根据注册音频样本复刻音色。

关键模型名称

使用以下精确的模型字符串之一：

  • qwen3-tts-vc-2026-01-22
  • qwen3-tts-vc-realtime-2026-01-15

前置条件

  • 在虚拟环境中安装 SDK：
python3 -m venv .venv
. .venv/bin/activate
python -m pip install dashscope
  • 在环境中设置 DASHSCOPE_API_KEY，或将 dashscope_api_key 添加到 ~/.alibabacloud/credentials。

规范化接口（tts.voice_clone）

请求
  • text（字符串，必填）
  • voice_sample（字符串 | 字节，必填）注册样本
  • voice_name（字符串，可选）
  • stream（布尔值，可选）
响应
  • audio_url（字符串）或流式 PCM 分块
  • voice_id（字符串）
  • request_id（字符串）

操作指南

  • 使用背景噪声较低的清晰语音样本。
  • 遵守克隆音色的同意和政策要求。
  • 持久化生成的 voice_id，并在后续合成请求中重复使用。

本地辅助脚本

准备规范化请求 JSON，并验证响应架构：

.venv/bin/python skills/ai/audio/alicloud-ai-audio-tts-voice-clone/scripts/prepare_voice_clone_request.py \
  --text "Welcome to this voice-clone demo" \
  --voice-sample "https://example.com/voice-sample.wav"

输出位置

  • 默认输出：output/ai-audio-tts-voice-clone/audio/
  • 使用 OUTPUT_DIR 覆盖基础目录。

验证

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

通过标准：命令退出码为 0，且已生成 output/alicloud-ai-audio-tts-voice-clone/validate.txt。

输出与证据

  • 将构件、命令输出和 API 响应摘要保存到 output/alicloud-ai-audio-tts-voice-clone/。
  • 在证据文件中包含关键参数（区域/资源 ID/时间范围），以便复现。

工作流

  1. 确认用户意图、区域、标识符，以及操作是只读还是会产生更改。
  2. 首先运行一个最小化的只读查询，以验证连接和权限。
  3. 使用明确的参数和有限的范围执行目标操作。
  4. 验证结果并保存输出/证据文件。

参考资料

  • references/sources.md

评论

支持 Markdown