Agent Skills
返回列表
🎨

大易个人语音合成

设计多媒体 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_9e8d1f78/yi-huan-dayi-voice

技能介绍

要解决的具体问题

现有通用 TTS 引擎能输出清晰语音，但音色偏标准化，缺少个人辨识度；做长口播内容时，很难精准控制成稿时长——要么文案过长导致合成超时，要么过短凑不够目标时长，反复调整参数效率很低。

核心能力与工作方式

合成接口与流式读取

合成走火山引擎的 POST /api/v3/tts/unidirectional，请求头必须带三个字段：X-Api-Key（音色密钥）、X-Api-Resource-Id（固定填 seed-icl-2.0）、X-Api-Request-Id（每次请求唯一的 UUID，漏了直接报错）。

Payload 不能用旧版结构，必须用 user/req_params 组织参数。响应是 chunked JSON，得用 stream=True + iter_content 逐行读取，每个 chunk 都是完整 JSON 行，拆出来 data 字段（base64 编码）直接拼接就能拿到音频。

语速调节靠 req_params.audio_params.speech_rate，取值范围 [-50, 100]，负值放慢、正值加快。但要特别注意：实测发现该引擎的合成时长有 ±3 秒的随机浮动，同文案同参数重复请求，时长也会不一样。因此更稳妥的策略是固定 speech_rate=0（正常语速），通过调整文案字数控时长，比如目标 40 秒口播，对应 190-200 字（含标点），字数每增减 20 字，时长约变化 ±4 秒，每次合成后都要校验实际时长。

音色复刻流程

复刻走 POST /api/v3/tts/voice_clone，请求头只需要 X-Api-Key 和 X-Api-Request-Id，不用 X-Api-Resource-Id。

常见报错要提前规避：缺 X-Api-Request-Id 会报 400，后付费资源没开通报 403，X-Api-Resource-Id 填错报 500，提交的文本与音频内容差距太大报 WERError。

适用边界与注意点

  • 合成前必须先确认 X-Api-Resource-Id 填的是 seed-icl-2.0，别用旧版 payload 格式
  • 后付费复刻的音色，首次合成成功就转正，之后不能再训练同一个 ID；7 天内不合成会自动删除音色
  • V3 版复刻音色能跨端使用（声音复刻 1.0/2.0、豆包端到端实时语音模型），V1 版不行
  • 预付费音色要先下单槽位再使用；后付费试听免费，但合成时就要收音色槽位费

使用场景

  • 短视频运营要把每期写好的文案转成统一音色的人声配音，用于发布口播视频。
  • 课程讲师希望用自己克隆的音色把讲稿批量转成音频，给学员反复收听。
  • 播客主播在录制前需要快速生成试听版本，确认语速和时长是否匹配节目节奏。
  • 有声书制作者想把小说文本转成带个人音色的朗读音频，用于平台上架试听。

适合人员

  • 短视频运营：需要把文案稳定转成固定音色的口播音频，减少每次找人录音的等待。
  • 课程讲师：希望用自己的声音批量生成讲课音频，避免反复进录音棚。
  • 播客主播：想在定稿前快速试听不同语速的成片效果，确认时长是否符合排期。
  • 有声书制作者：想把文本转成带个人音色的朗读，用于平台上架和试听推广。