iFly Voice Clone TTS
基于讯飞声音复刻能力，先训练自定义音色，再用训练出来的 res_id 合成语音。对应脚本为 scripts/voiceclone.py，纯 Python 标准库实现。
前置条件
export IFLY_APP_ID="your_app_id"
export IFLY_API_KEY="your_api_key"
export IFLY_API_SECRET="your_api_secret"快速开始
# 一键训练音色并等待完成
python3 scripts/voiceclone.py train quick \
--audio ./recording.wav \
--name "MyVoice" \
--sex female \
--wait
# 使用训练好的 res_id 合成语音
python3 scripts/voiceclone.py synth "你好，这是我的声音克隆。" --res-id YOUR_RES_ID -o hello.mp3
# 从文件批量合成
python3 scripts/voiceclone.py synth --file ./article.txt --res-id YOUR_RES_ID -o article.mp3工作流概览
- 获取训练文本
- 创建训练任务
- 上传音频样本
- 提交训练
- 查询训练状态，拿到
res_id - 使用
res_id做语音合成
训练音色
# 获取可朗读的训练文本
python3 scripts/voiceclone.py train get-text
# 创建训练任务
python3 scripts/voiceclone.py train create --name "MyVoice" --sex female
# 上传本地音频
python3 scripts/voiceclone.py train upload --task-id 12345 --audio ./recording.wav --text-id 5001 --seg-id 1
# 提交训练
python3 scripts/voiceclone.py train submit --task-id 12345
# 查询状态
python3 scripts/voiceclone.py train status --task-id 12345一键训练：
python3 scripts/voiceclone.py train quick \
--audio ./recording.wav \
--name "MyVoice" \
--sex female \
--wait合成语音
# 直接输入文本
python3 scripts/voiceclone.py synth "你好，这是我的声音克隆。" --res-id YOUR_RES_ID
# 保存到文件
python3 scripts/voiceclone.py synth "Hello world" --res-id YOUR_RES_ID -o hello.mp3
# 从文件读取文本
python3 scripts/voiceclone.py synth --file ./article.txt --res-id YOUR_RES_ID -o article.mp3
# 调整语速、音量、音调
python3 scripts/voiceclone.py synth "快一点" --res-id YOUR_RES_ID --speed 70 --volume 80 --pitch 55训练子命令
| 命令 | 说明 |
|---|---|
train get-text |
获取训练文本片段 |
train create |
创建训练任务 |
train upload |
上传本地音频或公网音频 URL |
train submit |
提交训练 |
train status |
查询训练状态 |
train quick |
串联创建、上传、提交，可选等待完成 |
常用参数
train create
| 参数 | 说明 | 默认值 |
|---|---|---|
--name |
任务名 | 必填 |
--sex |
male / female / 1 / 2 |
必填 |
--engine |
引擎版本 | omni_v1 |
--language |
cn / en / jp / ko / ru |
cn |
--resource-name |
资源名 | 与任务名相同 |
synth
| 参数 | 说明 | 默认值 |
|---|---|---|
text |
要合成的文本 | 可选 |
--file, -f |
从文件读取文本 | 不传 |
--res-id |
训练完成后的音色资源 ID | 必填 |
--output, -o |
输出文件路径 | output.mp3 |
--format |
mp3 / pcm / speex / opus |
mp3 |
--sample-rate |
8000 / 16000 / 24000 |
16000 |
--speed |
语速 0-100 |
50 |
--volume |
音量 0-100 |
50 |
--pitch |
音调 0-100 |
50 |
限制说明
- 训练音频支持
wav、mp3、m4a、pcm。 - 录音内容需要和训练文本片段匹配。
- 推荐使用清晰、无明显噪音的单人录音。
- 默认训练引擎为
omni_v1，合成时固定使用x6_clone。 - 完整文档与错误码说明见
SKILL.md。