Vidu 音频生成

解决什么问题

当文本内容需要快速变成可发布的音频时，手动挑音色、调语速和情绪成本不低。Vidu 音频生成 把 Vidu 的 TTS 与声音复刻能力包装成可对话式调用的技能，适合短视频、教程、多语言内容和临时音色复刻。

技能如何工作

它根据内容场景自动推荐 Voice ID，例如商务、科普、萌系、英文/日文/韩文等。核心流程包括：

• TTS 语音合成：输入文本后生成同步音频 URL，支持 speed、volume、pitch、emotion 参数。
• 停顿控制：用标记控制秒级停顿，便于口播节奏。
• 声音复刻：基于 10 秒到 5 分钟清晰样本生成临时音色，7 天内调用 TTS 才会保留。
• 多域名路由：中文默认走 api.vidu.cn，其他语言走 api.vidu.com。

长文本超过 30 字符时需要使用 --text-file 参数，避免命令行传参溢出。

适用边界

它不是通用音频编辑器，也不能保证复刻音色完全免版权或永久可用。复刻样本必须清晰、无背景噪音；API Key、Voice ID、音频时长和任务状态都会影响结果。输出重点是可直接访问的音频链接。