声音复刻

创建音色

1. 登录智能媒体服务控制台。

2. 在左侧导航栏，选择AI实时互动 > 声音复刻。

3. 单击创建音色按钮。页面右上角显示当前已创建音色数量和配额上限（最多 30 个音色）。

4. 在创建音色页面，配置以下参数：

   • 音色名称：输入音色的自定义名称，便于后续在工作流中识别和选择。

   • 原始音频：选择音频来源方式：

     • 请先上传音频文件：从本地选择符合要求的音频文件上传。

     • 实时录制：点击录制按钮，通过麦克风实时录制音频（录制时长需满足 20 秒以上）。

   • 复刻模型：选择声音复刻所使用的模型。目前支持：

     • CosyVoice 系列：cosyvoice-v2、cosyvoice-v3-flash、cosyvoice-v3-plus

     各模型详细信息和能力对比，请参见实时语音合成-CosyVoice/Sambert和实时语音合成-千问。

5. 单击提交按钮。系统开始处理音色复刻请求并进行审核。

6. 在声音复刻列表页，查看音色状态：

   • 审核中：音色正在审核，暂时无法使用。

   • 审核通过：音色可正常使用。单击试听按钮，可试听合成效果。

   • 审核失败：音色未通过审核，无法使用。请检查音频内容是否符合服务协议。

7. 审核通过后，记录列表页中的音色ID，用于后续在工作流 TTS 节点中配置。

列表页功能说明：

• 支持按音色名称或音色 ID 进行模糊搜索。

• 每个账号最多创建 30 个音色，达到配额上限后无法继续创建，需删除不再使用的音色后才能新建。

上传音频到 OSS

准备好音频文件后，需将音频文件上传到 OSS 存储空间，操作步骤请参见操作方式。

调用 API 生成音色 ID

以下示例代码展示如何调用百炼 API 上传音频文件并生成音色 ID：

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

# 从环境变量获取 API Key，避免硬编码
dashscope.api_key = os.getenv('DASHSCOPE_API_KEY')
url = "https://your-audio-file-url"  # 替换为 OSS 音频文件的公网 URL
prefix = 'prefix'  # 自定义音色前缀，用于标识音色来源
target_model = "cosyvoice-v2"  # 选择复刻模型

# 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}")
# 输出示例：cosyvoice-prefix-xxxxx

调用完成后，请妥善保存返回的音色 ID（即 voice_id 字符串），以便在下一步的 AI 实时互动控制台中使用。通过 API 创建的音色也会显示在控制台的声音复刻列表页，可以在列表中查看其状态和进行管理。