Vidu Speech Generate 🔊
Vidu AI 语音合成与声音复刻工具，专注于音频生成功能。
环境说明
变量说明：
- {baseDir} - 运行时自动替换为本 skill 目录的绝对路径
- 实际路径：~/.openclaw/workspace/skills/vidu-speech-generate/
环境变量：
- VIDU_API_KEY - Vidu API 密钥（必需）
快速开始
直接告诉我你想生成什么语音，我会自动选择合适的音色：
"用少女音配音这段话：大家好，欢迎来到我的频道"
"用播报男声朗读这段教程内容"
"帮我复刻这个音频的声音"
支持的音频类型
| 类型 | 触发条件 | 说明 |
|---|---|---|
| TTS语音合成 | "配音"、"朗读"、语音描述 | 文字转语音 |
| 声音复刻 | "复刻声音"、"克隆音色" | 根据音频复刻音色 |
自动识别规则
用户输入 → 意图识别
─────────────────────────────
"配音" + 文本 → TTS语音合成
"复刻声音" + 音频 → 声音复刻
TTS 语音合成
自动音色推荐
根据内容场景自动选择合适音色：
| 场景 | 推荐音色 | Voice ID |
|---|---|---|
| 小红书/短视频（女） | 少女音色 | female-shaonv |
| 小红书/短视频（男） | 精英青年 | male-qn-jingying |
| 教程/科普 | 播报男声 | Chinese (Mandarin)_Male_Announcer |
| 情感/故事 | 御姐音色 | female-yujie |
| 商务/产品 | 沉稳高管 | Chinese (Mandarin)_Reliable_Executive |
| 可爱/萌系 | 萌萌女童 | lovely_girl |
| 搞笑/轻松 | 搞笑大爷 | Chinese (Mandarin)_Humorous_Elder |
| 温馨/治愈 | 温暖少女 | Chinese (Mandarin)_Warm_Girl |
| 甜美风格 | 甜美女声 | Chinese (Mandarin)_Sweet_Lady |
| 专业主持 | 新闻女声 | Chinese (Mandarin)_News_Anchor |
| 英文内容 | 男声 | English_Trustworthy_Man |
| 英文内容 | 女声 | English_Graceful_Lady |
| 日文内容 | 男声 | Japanese_GentleButler |
| 日文内容 | 女声 | Japanese_KindLady |
| 韩文内容 | 女声 | Korean_SweetGirl |
| 韩文内容 | 男声 | Korean_CheerfulBoyfriend |
使用示例
用户: 用少女音配音这段话：大家好，欢迎来到我的频道
→ 自动选择 female-shaonv
→ 生成音频文件
用户: 用播报男声朗读这段教程内容
→ 自动选择 Chinese (Mandarin)_Male_Announcer
用户: 英文配音：Hello, welcome to my channel
→ 自动选择 English_Trustworthy_Man
停顿控制
使用 <#x#> 标记控制停顿（x为秒数）：
你好<#2#>我是vidu<#1#>很高兴见到你
参数说明
| 参数 | 范围 | 默认值 | 说明 |
|---|---|---|---|
| speed | 0.5-2.0 | 1.0 | 语速 |
| volume | 0-10 | 0 | 音量 |
| pitch | -12~12 | 0 | 语调 |
| emotion | happy/sad/angry/fearful/disgusted/surprised/calm | - | 情绪 |
声音复刻
根据音频样本复刻音色，用于后续TTS。
使用示例
用户: 帮我复刻这个音频的声音
[发送音频文件]
→ 创建自定义音色
→ 返回 voice_id 供后续使用
要求
- 原音频时长：10秒-5分钟
- 音频清晰，无背景噪音
- 复刻音色为临时音色，7天内需在TTS中调用才能永久保留
API 调用
python3 {baseDir}/scripts/vidu_cli.py voice-clone \
--audio-url sample.mp3 \
--voice-id my_voice_001 \
--text "这是复刻的声音样例"
API 调用
内部使用 Python CLI 工具：
# TTS语音合成
python3 {baseDir}/scripts/vidu_cli.py tts \
--text "配音文本" \
--voice-id "female-shaonv"
# 长文本TTS（避免shell引号问题）
python3 {baseDir}/scripts/vidu_cli.py tts \
--text-file long_text.txt \
--voice-id "female-shaonv"
# 声音复刻
python3 {baseDir}/scripts/vidu_cli.py voice-clone \
--audio-url sample.mp3 \
--voice-id my_voice \
--text "这是复刻的声音样例"
输出规范
- 下载目录:
{baseDir}/uploads/ - 返回格式: Markdown 格式引用文件
- 音频链接: 必须返回音频 URL 让用户直接访问
环境配置
必需环境变量：
VIDU_API_KEY=your_api_key_here
获取 API Key：
- Vidu 官方开放平台：https://platform.vidu.cn 或 https://platform.vidu.com
- 注册账号后在「API Keys」页面创建
API 域名选择
重要规则：根据用户语言自动选择 API 域名
| 用户语言 | API 域名 | 说明 |
|---|---|---|
| 简体中文 | api.vidu.cn |
国内用户（默认） |
| 其他语言 | api.vidu.com |
海外用户 |
Base URL 配置：
# 简体中文用户
BASE_URL = "https://api.vidu.cn/ent/v2"
# 非简体中文用户（英文、日文、韩文等）
BASE_URL = "https://api.vidu.com/ent/v2"
判断逻辑：
- 用户使用简体中文 → 使用 api.vidu.cn
- 用户使用其他语言（英文、日文、韩文等） → 使用 api.vidu.com
错误处理
| 错误 | 原因 | 解决方案 |
|---|---|---|
| Invalid API key | API密钥错误 | 检查 VIDU_API_KEY 环境变量 |
| Voice ID not found | 音色不存在 | 检查音色列表或重新复刻 |
| Task failed | 生成失败 | 查看 error 信息重试 |
| Audio too long | 音频过长 | 音频需在10秒-5分钟之间 |
References
- 音色列表 - 303个可用音色
- API参考文档 - 所有API详细参数
Rules
- API Key 检查: 调用前确认
VIDU_API_KEY已设置 - TTS同步: TTS 为同步接口，立即返回音频URL
- 长文本处理: 文本超过30字符必须使用
--text-file参数 - 音色保留: 复刻音色7天内需使用否则删除
- 返回音频链接: 必须返回音频 URL 让用户直接访问
