Voice Clone - 声音复刻技能

使用 AI Artist API 进行音色克隆和语音合成的完整解决方案。基于 CosyVoice v3.5 Plus 模型，支持高质量的音色复刻和文本转语音。

🎯 技能概述

本技能提供三大核心功能：

⚠️ 首次使用必读

1. 获取 API Key

访问 https://ai.deepsop.com/ 注册并登录，然后在控制台创建你的 API Key。

2. 设置环境变量

在使用前，你必须先设置自己的 API Key：

# Windows PowerShell
$env:AI_ARTIST_TOKEN="sk-your_api_key_here"

# Linux/macOS/Git Bash (Windows)
export AI_ARTIST_TOKEN="sk-your_api_key_here"

3. 验证配置

python scripts/voice_clone.py --list

如果看到音色列表，说明配置成功！

🚀 快速开始

基础用法

# 1. 列出所有可用音色
python scripts/voice_clone.py --list

# 2. 使用音色 ID 合成语音
python scripts/voice_clone.py --synthesize --id 10 --text "大家好，我是测试语音"

# 3. 使用音色名称合成语音
python scripts/voice_clone.py --synthesize --name "蔡总的音色" --text "你好世界"

# 4. 下载合成的音频到本地
python scripts/voice_clone.py --synthesize --id 10 --text "你好" --download

创建新音色

# 使用本地音频文件创建音色
python scripts/voice_clone.py --create --name "我的音色" --audio "./my_voice.mp3"

# 使用在线音频 URL 创建音色
python scripts/voice_clone.py --create --name "我的音色" --audio-url "https://example.com/voice.mp3"

# 指定音色前缀
python scripts/voice_clone.py --create --name "客服音色" --audio "./cs.mp3" --prefix "CustomerService"

📋 详细使用指南

一、查询可用音色

列出系统中所有音色及其状态：

python scripts/voice_clone.py --list

输出示例：

[INFO] 共有 4 个音色

可用音色列表:
  [13] 王俏的音色 [OK] - cosyvoice-v3.5-plus
  [12] 测试 11 [OK] - cosyvoice-v3.5-plus
  [10] 蔡总的音色 [OK] - cosyvoice-v3.5-plus
  [4] 测试音色 [OK] - cosyvoice-v3.5-plus

状态说明：

二、语音合成

方式 1：使用音色 ID

python scripts/voice_clone.py --synthesize --id 13 --text "真正重要的东西，用眼睛是看不见的，只有用心才能看清。"

方式 2：使用音色名称

python scripts/voice_clone.py --synthesize --name "王俏的音色" --text "你好，欢迎使用库阔 AI"

方式 3：合成并下载

# 下载到默认目录 (~/.openclaw/workspace/audio/)
python scripts/voice_clone.py --synthesize --id 13 --text "测试语音" --download

# 下载到指定目录
python scripts/voice_clone.py --synthesize --id 13 --text "测试语音" --download --output-dir "./my_audio"

三、创建新音色

从本地音频文件创建

# 支持 MP3、WAV 等常见格式
python scripts/voice_clone.py --create --name "我的声音" --audio "./my_voice.mp3"

# 使用完整路径
python scripts/voice_clone.py --create --name "领导音色" --audio "C:\Users\admin\Downloads\leader_voice.wav"

从在线 URL 创建

python scripts/voice_clone.py --create --name "网络音色" --audio-url "https://example.com/voice.mp3"

指定音色前缀

python scripts/voice_clone.py --create --name "客服小王" --audio "./wang.mp3" --prefix "CustomerService"

🎙️ 音色克隆最佳实践

音频素材要求

录制建议

1. 环境安静 - 选择安静的房间，关闭空调、风扇等噪音源
2. 距离适中 - 麦克风距离嘴巴 10-15 厘米
3. 语速均匀 - 用正常语速朗读，不要过快或过慢
4. 情感自然 - 用自然的情感朗读，不要过于夸张
5. 内容多样 - 包含不同的音调、韵律，有助于模型学习

推荐的录音文本

你好，我是 XXX。这是一段用于音色克隆的录音样本。
我希望用我的声音来生成各种语音内容，包括问候语、通知、
故事朗读等。请确保录音清晰，语速适中，情感自然。
谢谢你的配合。

📊 参数说明

全局参数

合成模式参数

创建音色参数

🔧 环境配置

方式 1：临时设置（当前终端有效）

# Windows PowerShell
$env:AI_ARTIST_TOKEN="sk-5c6c262755dc43d59ec5a742a7e80202"

# Linux/macOS
export AI_ARTIST_TOKEN="sk-5c6c262755dc43d59ec5a742a7e80202"

方式 2：永久设置（推荐）

创建 .env 文件（在脚本同目录或技能根目录）：

AI_ARTIST_TOKEN=sk-your_api_key_here

方式 3：系统环境变量

Windows:

[System.Environment]::SetEnvironmentVariable('AI_ARTIST_TOKEN', 'sk-your_api_key_here', 'User')

Linux/macOS:

echo 'export AI_ARTIST_TOKEN="sk-your_api_key_here"' >> ~/.bashrc
source ~/.bashrc

💡 实用场景示例

场景 1：用特定音色发送语音消息

# 用蔡总的音色发送通知
python scripts/voice_clone.py --synthesize --name "蔡总的音色" \
  --text "各位同事，下午三点在会议室召开周会，请准时参加。" --download

场景 2：批量生成语音

# 生成多个语音片段
python scripts/voice_clone.py --synthesize --id 13 --text "第一章：开始" --download --output-dir "./audiobook/ch1"
python scripts/voice_clone.py --synthesize --id 13 --text "第二章：发展" --download --output-dir "./audiobook/ch2"
python scripts/voice_clone.py --synthesize --id 13 --text "第三章：高潮" --download --output-dir "./audiobook/ch3"

场景 3：创建多人音色库

# 为团队创建音色库
python scripts/voice_clone.py --create --name "客服小王" --audio "./wang.mp3"
python scripts/voice_clone.py --create --name "客服小李" --audio "./li.mp3"
python scripts/voice_clone.py --create --name "客服小张" --audio "./zhang.mp3"

# 查看音色列表
python scripts/voice_clone.py --list

场景 4：语音消息回复

# 收到语音后，用相同音色回复
# 1. 从语音消息提取音频
# 2. 创建音色（如果不存在）
python scripts/voice_clone.py --create --name "用户音色" --audio "./user_voice.wav"
# 3. 用该音色合成回复
python scripts/voice_clone.py --synthesize --name "用户音色" --text "收到，我会尽快处理。" --download

⚠️ 注意事项

必须遵守

1. API Key 安全

   • 不要将 API Key 提交到代码仓库
   • 使用 .env 文件时加入 .gitignore
   • 定期更换 API Key

2. 音色状态检查

   • 只有 status: "OK" 的音色可用于语音合成
   • DEPLOYING 状态的音色需要等待部署完成

3. 音频格式要求

   • 上传的音频建议为 MP3 或 WAV 格式
   • 时长 10-60 秒效果最佳
   • 确保音频清晰，无明显噪音

4. 文本长度限制

   • 合成文本建议控制在 500 字以内
   • 过长文本可能失败或效果不佳

性能优化

🔍 故障排查

问题 1：提示 "未配置 API_ARTIST_TOKEN"

原因： 环境变量未设置

解决：

# Windows PowerShell
$env:AI_ARTIST_TOKEN="sk-your_api_key_here"

# 或创建 .env 文件
echo "AI_ARTIST_TOKEN=sk-your_api_key_here" > .env

问题 2：音色状态为 DEPLOYING

原因： 音色正在部署中

解决： 等待几分钟后重新查询状态

python scripts/voice_clone.py --list

问题 3：语音合成失败

可能原因：

• 音色状态不是 OK
• 文本过长
• 网络问题

解决：

1. 检查音色状态：python scripts/voice_clone.py --list
2. 缩短文本长度
3. 检查网络连接

问题 4：文件上传失败

可能原因：

• 文件路径不正确
• 文件格式不支持
• 文件过大

解决：

1. 确认文件路径正确（使用绝对路径）
2. 转换为 MP3 或 WAV 格式
3. 确保文件大小合理（< 10MB）

📁 相关文件

📚 API 接口速查

详细 API 文档请查看 references/api.md

🎯 后续扩展

本技能支持以下扩展场景：

• 批量合成 - 循环调用合成接口生成多个语音文件
• 音色管理 - 添加删除、重命名音色的功能
• 音频处理 - 集成音频剪辑、合并功能
• Web 界面 - 构建图形化操作界面
• API 服务 - 封装为 REST API 供其他系统调用

如有问题或建议，请联系技能维护者。