ifly-voiceclone-tts

iFlytek Voice Clone tts(声音复刻) — train a custom voice model from audio samples and synthesize speech with the cloned voice. Supports the full workflow: get training text → create task → upload audio → submit training → poll results → synthesize with cloned voice. Pure Python stdlib, no pip dependencies.

Clone a voice from audio samples and synthesize speech with it, using iFlytek's Voice Clone (声音复刻) API. Two-phase workflow: train a voice model, then synthesize speech with it.

Setup

1. Create an app at 讯飞控制台 with 一句话声音复刻 service enabled
2. Set environment variables:

   bash

   export IFLY_APP_ID="your_app_id"
   export IFLY_API_KEY="your_api_key"
   export IFLY_API_SECRET="your_api_secret"
   

Workflow

Phase 1: Train a Voice Model

Step 1 — Get training text

bash

python3 scripts/voiceclone.py train get-text

This returns a list of text segments with segId. You need to record yourself reading one of these texts.

Step 2 — Create a training task

bash

python3 scripts/voiceclone.py train create --name "MyVoice" --sex female --engine omni_v1

Returns task_id. Supported engines:

• omni_v1 — Multi-style universal voice (recommended)

Gender: male/female (or 1/2).

Step 3 — Upload audio

bash

# Local file:
python3 scripts/voiceclone.py train upload --task-id 12345 --audio recording.wav --text-id 5001 --seg-id 1

# URL:
python3 scripts/voiceclone.py train upload --task-id 12345 --audio-url "https://example.com/voice.wav" --text-id 5001 --seg-id 1

Audio requirements:

• Format: WAV/MP3/M4A/PCM
• Duration: match the training text (typically 3-60 seconds)
• Quality: clear recording, minimal background noise

Step 4 — Submit for training

bash

python3 scripts/voiceclone.py train submit --task-id 12345

Step 5 — Check status (poll until done)

bash

python3 scripts/voiceclone.py train status --task-id 12345

When complete, returns the res_id (voice resource ID) needed for synthesis.

Quick one-shot training

bash

python3 scripts/voiceclone.py train quick \
    --audio recording.wav \
    --name "MyVoice" \
    --sex female \
    --wait

This combines create → upload → submit → poll in one command. --wait polls every 30s until training completes and prints the res_id.

Phase 2: Synthesize Speech

bash

# Basic synthesis
python3 scripts/voiceclone.py synth "你好，这是我的声音克隆。" --res-id YOUR_RES_ID

# With output file
python3 scripts/voiceclone.py synth "Hello world" --res-id YOUR_RES_ID --output hello.mp3

# From file
python3 scripts/voiceclone.py synth --file article.txt --res-id YOUR_RES_ID -o article.mp3

# From stdin
echo "测试语音合成" | python3 scripts/voiceclone.py synth --res-id YOUR_RES_ID

# Adjust parameters
python3 scripts/voiceclone.py synth "快一点" --res-id YOUR_RES_ID --speed 70 --volume 80

Train Subcommands

Command	Description
train get-text	Get training text segments
train create	Create a training task
train upload	Upload audio to a task
train submit	Submit task for training
train status	Check training status
train quick	One-shot: create + upload + submit

Synthesis Options

Flag	Default	Description
--res-id	(required)	Voice resource ID from training
--output / -o	output.mp3	Output audio file path
--format	mp3	Audio format: mp3, pcm, speex, opus
--sample-rate	16000	Sample rate: 8000, 16000, 24000
--speed	50	Speed 0–100 (50=normal)
--volume	50	Volume 0–100 (50=normal)
--pitch	50	Pitch 0–100 (50=normal)

Notes

• Training API: HTTP REST at http://opentrain.xfyousheng.com/voice_train (MD5-based token auth)
• Synthesis API: WebSocket at wss://cn-huabei-1.xf-yun.com/v1/private/voice_clone (HMAC-SHA256 URL auth)
• vcn: always x6_clone for cloned voice synthesis
• Engine omni_v1: multi-style universal voice, supports cn/en/jp/ko/ru
• Training text: use get-text to find available text segments — you must record yourself reading the corresponding text
• Training time: typically 2–10 minutes depending on load
• No pip dependencies: uses pure Python stdlib (built-in WebSocket client)
• Env vars: IFLY_APP_ID, IFLY_API_KEY, IFLY_API_SECRET
• Output: prints absolute path of saved audio to stdout
• API doc: https://www.xfyun.cn/doc/spark/voiceclone.html

常见错误码速查指南 ฅ⁽͑˙˙⁾ฅ

遇到错误先别慌～看看下面的错误码对照表就知道怎么办啦 ✧｡･ﾟ:*･

🎤 音色训练接口 - 常见错误码

错误码	哎呀！发生了什么？	怎么解决呢？
10000	token过期啦～时间到惹 (ˊᵕˋ)	检查一下token是不是过期了，去刷新一下token吧！
10001	缺少请求头参数哦 (⊙_⊙)	看看请求头有没有带X-AppId和X-Token，要加上去哦～
10015	这个训练任务不是你的呀 (›´ω`‹ )	这个任务不属于当前应用，检查一下appid对不对呢～
10016	appid无效啦～ (°°)	這個appid沒有被授權，聯繫訊飛大大們給你分配一個吧！
10017	未授权这个训练类型呢 (๑•́ ₃ •̀๑)	这个训练类型没权限，联系讯飞技术人员帮你开通吧～
10018	没有分配训练路数哦 (｡•́︿•̀｡)	训练路数授权不够用啦！联系讯飞业务员增加训练路数吧～
10019	appid授权已过期惹 (╥_╥)	授权到期啦！联系业务员看看能不能续期吧～
10020	IP地址没授权呢 (⊙﹏⊙)	你的IP地址不在白名单里，把IP给讯飞让他们加一下吧！
10021	没有分配训练次数哦 (´；ω；`)	训练次数用完了！联系讯飞爸爸增加次数吧～
20001	textId无效或训练文本是空的呀 (°°)	检查一下textId和textSegId对不对，可以用train get-text命令确认一下哦！
20002	textSegId无效啦 (⊙_⊙)	这个分段ID不存在呢，用train get-text看看有哪些有效的ID吧！
60000	训练任务不存在哦 (；ω；`)	看看taskId是不是填错了呀？检查一下再试试吧～
90001	请求非法啦 (°°)	按照接口协议检查一下请求结构对不对哦～
90002	请求参数不正确 (´；ω；`)	参数有问题的说...比如textId must not be blank这种，仔细看看错误提示吧！
99999	系统内部异常啦 (╥_╥)	这个比较复杂...请联系讯飞技术人员帮你排查一下吧！

💡 小贴士：如果是权限、授权相关的问题（10016-10021），基本上都需要联系讯飞官方处理哦～可以提交工单：https://console.xfyun.cn/workorder/commit

---

🎵 音频合成接口 - 常见错误码

错误码	哎呀！发生了什么？	怎么解决呢？
10009	输入数据非法啦 (⊙_⊙)	检查一下输入的数据格式对不对哦～
10010	授权数已满惹 (°°)	没有授权许可或数量用光啦！提交工单联系讯飞吧～
10019	session超时啦 (ˊᵕˋ)	检查一下数据发送完了有没有关闭连接呢～
10043	音频解码失败惹 (｡•́︿•̀｡)	检查aue参数！如果填的是speex，要确保音频真的是speex格式，并且分段压缩和帧大小要一致哦～
10114	session超时啦 (´；ω；`)	会话时间太长了，检查一下发送数据有没有超过60秒哦～
10139	参数错误啦 (⊙_⊙)	看看参数有没有写错呢～
10160	请求JSON格式非法 (°°)	检查一下发送的数据是不是合法的JSON格式呀～
10161	base64解码失败惹 (╥_╥)	检查一下数据有没有用base64编码哦～
10163	参数校验失败啦 (´；ω；`)	具体原因看详细描述吧～仔细对照接口文档看看哪里的问题呢？
10200	读取数据超时 (°°)	检查一下是不是累计10秒没发送数据又没关闭连接呀？
10222	上传数据超限或SSL问题 (⊙﹏⊙)	1. 检查一下上传的数据（文本、音频、图片等）有没有超过接口上限～ 2. SSL证书问题的话，把log导出发到工单吧：https://console.xfyun.cn/workorder/commit
10223	LB找不到节点 (°°)	服务器内部问题，提交工单吧～
10313	appid和apikey不匹配 (⊙_⊙)	检查一下appid是不是正确合法的哦～
10317	版本非法啦 (°°)	版本号不对呢，提交工单联系技术人员处理吧！
10700	引擎异常 (´；ω；`)	按照报错原因对照开发文档检查输入输出，如果还是搞不定，提供sid和错误信息提交工单吧！
11200	功能未授权 (°°)	先检查appid对不对，确保appid下添加了相关服务哦！ • 看看总调用量是不是超了或到期了 • 确认功能授权情况 如果都没问题就联系商务人员吧～
11201	每日交互次数超限啦 (╥_╥)	次数用光啦！可以提交应用审核提额，或者联系商务购买企业级接口获得海量服务量哦～
11503	服务内部响应数据错误 (°°)	提交工单让讯飞大大们看看怎么回事吧！
11502	服务配置错误 (⊙_⊙)	这个是讯飞的问题，提交工单吧～
100001~100010	引擎调用错误 (´；ω；`)	请提供sid和错误信息，提交工单联系技术人员排查吧！

💡 超重要！ 错误码100001-100010可能是引擎层面的问题，提交工单时记得提供：

• sid（请求会话ID）
• 完整的错误信息
• 复现步骤

这样技术人员才能快速帮你定位问题哦～ ✧٩(ˊᗜˋ*)و

---

🆘 遇到问题怎么办？

1. 先看错误码：上面的表格基本上涵盖了常见错误，看看有没有对应的～ ๑•̀ㅂ•́)و✧
2. 检查参数：很多错误都是参数写错导致的，对照接口文档仔细核对一下哦！
3. 提交工单：如果表格里没有，或者搞不定，点击这里提交工单：https://console.xfyun.cn/workorder/commit
4. 购买/升级服务：需要更多调用量或功能的话：
   • 一句话声音复刻控制台
   • 购买服务包

🎉 祝你开发顺利！ 如果有其他问题也可以随时问我哦～ 一起加油！(´▽`ʃ♡ƪ)