基于百炼CosyVoice创建自定义音色_智能媒体服务(IMS)-阿里云帮助中心

本文将介绍如何利用已录制的音频文件，借助百炼CosyVoice的声音复刻服务，生成定制化的专有音色，并在AI实时互动中进行应用。

前置准备

已开通阿里百炼服务。开通服务，请前往大模型服务平台百炼控制台。
已集成对应版本SDK。具体集成方式，请前往安装SDK。
已创建API Key。具体创建方式，请前往获取API Key。

音频文件准备

在准备音频文件时，请注意以下事项：

声道数：单/双声道
采样率：大于等于 16000 Hz
格式：WAV（16bit）、MP3、M4A
文件大小：10MB 以内

准备好音频文件后，您需要将音频文件上传到公网可访问URL。这里推荐您将音频上传至OSS，具体操作步骤请参考，操作步骤。

说明

您需对所提供声音的所有权及合法使用权负责，请注意阅读服务协议。

音色复刻

以下示例代码将展示如何对音色进行复刻：

import os
import dashscope
from dashscope.audio.tts_v2 import VoiceEnrollmentService, SpeechSynthesizer

dashscope.api_key = os.getenv('DASHSCOPE_API_KEY')  # 如果您没有配置环境变量，请在此处用您的API-KEY进行替换
url = "https://your-audio-file-url"  # 请按实际情况进行替换
prefix = 'prefix' #可自定义音色前缀
target_model = "cosyvoice-clone-v1"

# 创建语音注册服务实例
service = VoiceEnrollmentService()

# 调用create_voice方法复刻声音，并生成voice_id
voice_id = service.create_voice(target_model=target_model, prefix=prefix, url=url)
print(f"your voice id is {voice_id}")
# 输出 cosyvoice-prefix-xxxxx

调用完成后，请保存上述代码返回的音色id，即voice_id字符串，以便在AI实时互动服务中使用。

音色使用

前往工作流管理界面。
单击您需要配置的工作流，单击右上角编辑按钮。
选择TTS文字转语音节点，选择模型为百炼，对参数进行配置。
- ApiKey：调用百炼服务所使用的ApiKey，此处使用的ApiKey需要与复刻时的api_key相同。
- ModelId：调用百炼模型的模型Id。此处使用cosyvoice-clone-v1。
- 音色：音色Id，此处使用复刻返回的音色Id。
单击保存按钮。