LipVoice TTS 语音合成技能

使用 LipVoice 企业 API 实现声音克隆和高质量文本转语音。需要企业会员 API Key。

使用前准备

配置 API Key（二选一）：

1. 设置环境变量 LIPVOICE_API_KEY 为你的 API Key
2. 调用时通过 --api-key YOUR_KEY 参数传入

常用命令

脚本路径：scripts/lipvoice_tts.py（相对于本技能目录）

注意：Windows 下使用 py 命令启动 Python，Linux/macOS 使用 python3。

1. 列出所有声音模型

py scripts/lipvoice_tts.py list

查看已上传的所有声音模型及其ID，合成语音时需要用到 audio-id。

2. 上传音频创建声音克隆模型

py scripts/lipvoice_tts.py upload --file <音频文件路径> --name "<模型名称>" [--describe "<描述>"]

• 支持格式：mp3/wav/m4a
• 建议使用 30s-2min 清晰无背景噪音的音频，效果更佳

3. 文本转语音合成（自动等待完成并下载）

py scripts/lipvoice_tts.py tts --text "<要合成的文本>" --audio-id <模型ID> [--style 1] [--output <输出路径.wav>]

• --style: 合成模式
  • 1: 参考原音频风格（默认，克隆效果更贴近原声）
  • 2: 大模型通用风格（更稳定）
• --output/-o: 自定义输出 wav 文件路径

4. 删除模型

py scripts/lipvoice_tts.py delete --audio-id <模型ID>

典型工作流

1. 首次使用：先调用 list 查看已有模型，或用 upload 上传自己的参考音频创建模型
2. 合成语音：使用 tts 命令传入文本和模型ID，自动合成并下载到本地wav文件
3. 返回结果：合成完成后将音频文件作为附件回复给用户

输出说明

合成成功会返回：

• 本地保存的wav文件路径（绝对路径）
• 原始音频URL

Windows 兼容性

已修复Windows控制台GBK编码问题，所有输出直接支持中文。