mcpField
A
aliyun-cosyvoice-voice-clone

aliyun-cosyvoice-voice-clone

github.com/cinience创意与媒体396116 次安装11 周前更新
代码仓库

关于 aliyun-cosyvoice-voice-clone

用于阿里云 Model Studio CosyVoice 的音色注册技能，可从公开参考音频创建克隆音色，并返回后续语音合成所需的音色 ID。

主要功能

  1. 01使用公开音频 URL 注册音色
  2. 02支持多个 CosyVoice 目标模型
  3. 03可指定语言提示
  4. 04返回供合成使用的音色 ID

适用场景

  1. 01为后续语音合成创建克隆音色
  2. 02按目标模型和语言提示注册参考音频

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 aliyun-cosyvoice-voice-clone

安装后在 Claude Code 中输入/aliyun-cosyvoice-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
evals/
evals.json
references/
api_reference.md
sources.md
scripts/
prepare_cosyvoice_clone_request.py

详细介绍

类别：provider

Model Studio CosyVoice 声音克隆

使用 CosyVoice 声音注册 API，根据公开的参考音频创建克隆声音。

重要模型名称

使用 model="voice-enrollment"，并选择以下 target_model 值之一：

  • cosyvoice-v3.5-plus
  • cosyvoice-v3.5-flash
  • cosyvoice-v3-plus
  • cosyvoice-v3-flash
  • cosyvoice-v2

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（北京端点）下可用。
  • 在国际部署模式（新加坡端点）下，cosyvoice-v3-plus 和 cosyvoice-v3-flash 不支持声音克隆/设计。
  • 注册时使用的 target_model 必须与之后语音合成时使用的模型一致，否则合成会失败。

端点

前提条件

  • 在环境中设置 DASHSCOPE_API_KEY，或将 dashscope_api_key 添加到 ~/.alibabacloud/credentials。
  • 提供注册样本的公开音频 URL。

规范化接口（cosyvoice.voice_clone）

请求
  • model（string，可选）：固定为 voice-enrollment
  • target_model（string，可选）：默认值为 cosyvoice-v3.5-plus
  • prefix（string，必填）：仅限字母/数字，最多 10 个字符
  • voice_sample_url（string，必填）：公开音频 URL
  • language_hints（array[string]，可选）：仅使用第一项
  • max_prompt_audio_length（float，可选）：仅适用于 cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-flash
  • enable_preprocess（bool，可选）：仅适用于 cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-flash
响应
  • voice_id（string）：在后续 TTS 调用中将其用作 voice 参数
  • request_id（string）
  • usage.count（number，可选）

操作指南

  • 对于中文方言参考音频，保持 language_hints=["zh"]；之后通过合成时的文本或 instruct 控制方言风格。
  • cosyvoice-v3.5-plus 支持的 language_hints 包括 zh、en、fr、de、ja、ko、ru、pt、th、id、vi。
  • 避免频繁调用注册接口；每次调用都会创建一个新的自定义声音并消耗配额。

本地辅助脚本

准备规范化请求 JSON：

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

验证

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

通过标准：命令以 0 退出，且生成 output/aliyun-cosyvoice-voice-clone/validate.txt。

输出和证据

  • 将制品、命令输出和 API 响应摘要保存在 output/aliyun-cosyvoice-voice-clone/ 下。
  • 在证据文件中包含 target_model、prefix 和样本 URL。

参考资料

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

评论

支持 Markdown