配音搭子|知行出品
上传一段自己的录音,以后输入文案就能用自己的声音配音,适合短视频口播、课程讲解和工作演示。
用户通过个人免费邀请码(即服务端授权码)使用知行声音服务;录音经火山 TOS 临时存储后提交阿里云百炼处理。克隆音色保存在百炼,用户归属保存在知行服务端。
环境与首次绑定
先定位当前 Skill 目录中的 scripts/voice_client.py。使用宿主已有的 Python 3.10+,macOS 常用 python3,Windows 常用 py -3 或 python。仅需 Python 标准库;不要让用户安装模型或服务端依赖。没有可用 Python 时明确提示安装需求,不声称成功。
以下所有脚本命令都要加上已确认的 Python 启动命令,并按当前 shell 正确引用脚本和文件路径。
执行 voice_client.py doctor。服务地址由经营者在发布包的 service.json 中设置;地址未配置时停止并提示联系「🌏:xhcc5277」。
当 bound 为 false 时,必须先向用户显示:“首次使用配音搭子需要个人邀请码,用于保存你的专属音色和区分免费额度。请提供邀请码文本文件,或该文件的本机路径。没有邀请码,请联系 🌏:xhcc5277 获取。”用户没有邀请码时显示联系方式,等待其取得个人邀请码后继续。绑定成功前不得上传录音或提交复刻、配音任务;不要使用经营者测试码、其他用户的码或生成虚假邀请码。
请用户将个人邀请码存入本机文本文件,再执行 voice_client.py bind --code-file <绝对路径>。不要把邀请码放进命令行参数、输出、公开文件或截图。客户端会在用户配置目录保存凭据,更新 Skill 时不会覆盖。邀请码绑定失败时明确告知失败;无效、过期或被撤销时提示联系「🌏:xhcc5277」,不能当作绑定成功继续。
当 bound 为 true 时,执行 voice_client.py status 确认当前绑定有效;验证通过后直接使用该用户的音色,不重复索取邀请码。若服务返回授权无效或过期,引导重新绑定本人有效邀请码;没有有效邀请码时显示上述联系方式。
创建音色
先执行 voice_client.py status。已有音色时可以直接配音或生成试听,不重复复刻。用户要替换音色时,先说明删除不可恢复且累计复刻额度不会返还,需要经营者确认仍有复刻额度后再按用户明确要求处理。
- 确认用户上传的是本人声音或已获授权的声音,并说明录音将发送至知行服务、火山 TOS 和阿里云百炼。用户明确要求上传复刻可视为同意该处理;授权来源不清时先澄清。
- 获取 WorkBuddy 附件可访问的真实本地路径。不要猜测路径;若宿主无法提供附件文件,明确提示选择本机文件或提供路径。
- 建议清晰单人录音 10~20 秒,支持 MP3、WAV、M4A,最大 5 MB、最长 30 秒。后台检查格式与时长;最终以百炼处理结果为准。
- 执行
voice_client.py clone --file <绝对路径> --out <试听.mp3绝对路径>。客户端自动保存任务并查询,成功后下载试听。 - 展示返回的音频路径供播放或下载。只有任务返回成功且文件下载完成后才说复刻成功。技术成功不等同于相似度验收,请用户试听。
配音与恢复
将用户文案写入 UTF-8 文本文件,执行 voice_client.py speak --text-file <路径> --out <输出.mp3路径>。首版每次最多 2000 字符,不自动拆分长文,避免不明确的多次计费。
跨对话执行 voice_client.py status 获取当前用户的默认音色,无需再次复刻。超时或连接中断后执行 voice_client.py resume --out <路径> 恢复最近任务;不要重发创建/合成请求。unknown 表示需要经营者核查,不自动重试。
用户明确要求删除个人音色时执行 voice_client.py delete。这会调用服务端删除百炼音色。配音文件独立按服务端保留策略清理。
免费试用默认每人累计 1 次复刻、每日 1000 字符;试听也占字符额度,实际以经营者给该用户配置的额度为准。每日额度按 UTC 重置,对应北京时间 08:00。删除音色不返还累计复刻次数。
会话凭据有效期最多 30 天;会话到期可重新绑定同一枚仍有效的个人授权码。授权码到期或被撤销时联系经营者。不要共用授权码,共用者会使用同一音色和额度。更换 WorkBuddy 账号不会自动切换声音服务账户,换人使用时必须绑定那个人自己的授权码。
录音在 TOS 配置 1 天到期清理,配音文件在 TOS 配置 3 天到期清理,因此成功后及时下载保存。用户归属与音色记录长期保留;百炼音色的可用期限以供应商当前规则为准。按实际服务响应解释额度耗尽、授权到期、音色未就绪等情况。仅输出用户可读结果,不展示内部音色 ID、供应商响应、凭据或签名链接。