语音生语音 (Speech to Speech)
把本地音频按提示词或语音参数转换为新的音频文件。
插件路径
plugins/speech_to_speech/
注册工具
| 工具名 | 描述 |
|---|---|
speech_to_speech |
输入本地音频,按提示词或音色参数转换并保存结果 |
参数
| 参数 | 类型 | 必需 | 默认值 | 说明 |
|---|---|---|---|---|
audio |
string | 是 | — | 本地音频文件路径 |
prompt |
string | 否 | "" |
转换要求(如"用温柔女声") |
instruction |
string | 否 | "" |
语气、风格等全局指令 |
voice |
string | 否 | "" |
目标音色 ID。不同厂商音色完全不同,请根据当前 provider 配置的模型传入 |
format |
string | 否 | "mp3" |
输出音频格式。常见值:mp3/wav/flac/opus/pcm。具体取决于厂商支持 |
output_dir |
string | 否 | users/<user>/download/ |
输出目录 |
结果说明
- 成功:返回保存后的本地文件路径
- 失败:返回
ERROR:前缀的错误信息 - 能力不支持:提示需要配置
speech_to_speech_model或开启capabilities_override: ["speech_to_speech"]
前置条件
- 需要 provider 支持
speech_to_speech能力 - 需配置
speech_to_speech_model(config.json 专用配置) - 输入音频文件需存在于本地文件系统
典型场景
- 语音变声(男声转女声等)
- 语音风格转换(朗读风格转为对话风格等)
- 语音后处理
常见规范
- 输出目录默认为
users/<user>/download/ - 不同厂商的音色 ID 体系完全不同,请查阅厂商文档获取音色列表
prompt和instruction的作用因厂商而异,部分厂商可能不使用
常见处理办法
- 能力不支持:检查 provider 配置,确认
speech_to_speech_model已设置 - 文件不存在:检查音频路径是否正确
- 音色无效:查阅当前 provider 对应模型的音色文档
常见教训
- 并非所有 provider 都支持 speech_to_speech,使用前需确认能力声明
prompt和instruction参数的效果依赖厂商实现,部分厂商可能忽略- 输出格式取决于厂商支持,不支持的格式可能静默回退为默认格式