cosyvoice-speech-synthesizer

让文字"开口说话"！用 AI 把任意文本变成自然流畅的语音，支持各种方言、情感和角色模仿。当你想把文章转成有声书、给视频配音、制作播客，或者只是好奇河南话/四川话怎么说时，用这个 skill。

Security Scan

The skill is mostly what it says (a TTS client for Aliyun/DashScope), but the package metadata omits the required DASHSCOPE_API_KEY and other small mismatches (and it sends user text to an external API), so there are coherence and transparency issues you should review before installing.

Purpose & Capability

The name/description and the script both describe a CosyVoice (阿里云百炼/DashScope) text-to-speech client — the network call to https://dashscope.aliyuncs.com/... is appropriate for that purpose. However, the registry metadata claims 'required env vars: none' while SKILL.md and scripts/synthesize.py require DASHSCOPE_API_KEY; this omission is inconsistent and reduces transparency.

Instruction Scope

SKILL.md and the script instruct the agent/user to set an API key and call the provided Python script. The runtime instructions and code only read the DASHSCOPE_API_KEY env var and send the provided text to the CosyVoice API. There are no instructions to read arbitrary local files, other credentials, or system configuration. Note: user text is transmitted to an external service (DashScope/Aliyun), so private or sensitive text will leave your environment.

Install Mechanism

No install spec is provided (instruction-only plus an included script), which is low risk from an installer perspective. However, the Python script imports 'requests' but the package metadata does not declare dependencies — the missing dependency declaration is a transparency issue (you must ensure the runtime has the required Python packages). No downloads from unknown URLs or archive extraction are present.

Credentials

The tool legitimately requires an API key (DASHSCOPE_API_KEY) to call the external TTS API, which is proportionate. The problem: the skill metadata does not list this required environment variable; users cannot discover the need for a secret without reading SKILL.md or the script. Also verify the API key's scope: if you reuse a broadly privileged credential (e.g., an account-wide Aliyun key) it could expose more than TTS; prefer a key with minimum necessary permissions.

Persistence & Privilege

The skill does not request 'always: true' and does not modify other skills or system-wide configuration. It runs as an on-demand script and can be invoked by the agent; no elevated or persistent privileges are requested.

What to consider before installing

This skill looks like a straightforward Aliyun/DashScope TTS client, but review these before installing: 1) The SKILL.md and script require DASHSCOPE_API_KEY, yet the registry metadata doesn't declare it — you'll need to provide this env var. 2) The script sends any input text to an external endpoint (dashscope.aliyuncs.com); don't send sensitive data unless you trust the service and the API key scope. 3) Ensure your runtime has the Python 'requests' package; the skill doesn't declare dependencies. 4) Prefer using a least-privilege API key (not a full-account key). 5) If you need tighter control, inspect the full script locally and run it in an isolated environment (or sandbox) before granting network access. If you want higher assurance, ask the publisher for clarified metadata (declare required env vars and dependencies) and for provenance of the package.

🎙️ CosyVoice 语音合成 - 让文字开口说话

想把一段文字变成语音？想听听广东话、四川话怎么说？想模仿老师的语气读课文？

这个工具帮你一键搞定！

✨ 它能做什么？

• 📖 文字转语音 - 把文章、故事、通知变成真人般的语音
• 🗣️ 说各种方言 - 广东话、四川话、东北话、河南话...想听哪里的方言都行
• 😊 带感情朗读 - 开心的、生气的、温柔的、严肃的，想怎么读就怎么读
• 🎭 角色扮演 - 像老师讲课、像播音员播报、像小朋友说话
• 🎵 调整声音 - 语速快慢、音调高低、音量大小，随心调节

🚀 快速上手

第一步：设置密钥（只需一次）

export DASHSCOPE_API_KEY="你的阿里云 API 密钥"

第二步：开始合成！

你可以直接说："合成今天天气怎么样？", 或者 "用河南话说：这碗面真香！"

也可以用代码调用：

# 最简单的用法 - 直接输入文字
python ~/.qoderwork/skills/cosyvoice-speech-sythesizer/scripts/synthesize.py \
  --text "你好，世界！" \
  --output hello.wav

💡 实用场景示例

场景 1：听听各地方言

# 用广东话说
python synthesize.py --text "使用广东话合成：我想吃干炒牛河" --output cantonese.wav

# 用四川话说
python synthesize.py --text "用四川话说：这道菜太巴适了" --output sichuan.wav

# 用河南话说
python synthesize.py --text "用河南话说：这碗面忒香了" --output henan.wav

# 用东北话说
python synthesize.py --text "东北话版本：这旮旯真不错" --output dongbei.wav

场景 2：给视频配音

# 热情活泼的宣传语
python synthesize.py \
  --text "开心地：欢迎光临我们的新店，全场八折优惠！" \
  --output promotion.wav

# 正式庄重的通知
python synthesize.py \
  --text "严肃地：请各位同学注意，明天上午九点开会" \
  --output announcement.wav

# 温柔亲切的睡前故事
python synthesize.py \
  --text "温柔地：从前有一只小兔子，它最喜欢在森林里散步..." \
  --output story.wav

场景 3：模仿不同角色

# 像老师一样讲课
python synthesize.py \
  --text "像老师一样：同学们，今天我们来学习光合作用" \
  --output teacher.wav

# 像新闻主播一样播报
python synthesize.py \
  --text "像播音员一样：据本台记者报道，今日天气晴朗" \
  --output news.wav

# 像小朋友一样说话
python synthesize.py \
  --text "像小孩一样：妈妈，我想吃冰淇淋！" \
  --output child.wav

场景 4：调整声音效果

# 放慢语速，适合学习跟读
python synthesize.py \
  --text "慢速朗读：春眠不觉晓，处处闻啼鸟" \
  --rate 0.8 \
  --output slow.wav

# 加快语速，适合快速浏览
python synthesize.py \
  --text "快速播报：今日股市大涨，投资者信心倍增" \
  --rate 1.3 \
  --output fast.wav

# 调大音量
python synthesize.py \
  --text "大声说：重要通知！" \
  --volume 80 \
  --output loud.wav

🎯 智能理解你的意思

这个工具很聪明，能听懂你的自然语言描述，自动转换成专业的语音指令：

你说的话	工具自动理解
"用广东话合成..."	自动加上广东话发音
"开心地说..."	自动用开心的语气
"像老师一样..."	自动模仿老师的口吻
"严肃地表达..."	自动用严肃的语气

不需要记复杂的参数，像说话一样告诉它就行！

🎵 可选音色

• longanhuan（默认）- 龙安欢，温柔女声
• longanyang - 龙安洋，沉稳男声
• longhuhu_v3 - 龙呼呼，天真烂漫女童声

更多音色请参考阿里云百炼官方文档

📋 常用参数速查

参数	作用	示例
--text	要合成的文字	"你好"
--output	输出文件名	output.wav
--rate	语速（0.5慢，2.0快）	1.2
--volume	音量（0-100）	80
--voice	换不同的声音	longanyang

🗣️ 支持的方言和情感

方言：广东话、四川话、东北话、上海话、北京话、湖南话、湖北话、河南话、山东话、陕西话、台湾话

情感：开心、生气、温柔、悲伤、严肃、幽默、亲切、紧张、兴奋、平静、撒娇、威严

角色：老师、播音员、小孩、老人、客服、领导、朋友、医生、律师、销售、导游、新闻主播、诗人

⚠️ 注意：方言、情感和角色功能需要特定音色支持，不是所有音色都能用。

❓ 常见问题

Q: 为什么我的账号提示不支持 HTTP 调用？
A: 该 API 可能正在逐步开放中，请联系阿里云百炼客服确认你的账号权限。

Q: 合成的音频能直接用吗？
A: 可以！生成的音频是标准 WAV/MP3 格式，可以直接用于视频、播客、通知等场景。

Q: 音频链接多久有效？
A: 24 小时，建议及时下载保存。

Q: 所有音色都支持方言和情感吗？
A: 不是，只有部分音色（特别是复刻音色）支持完整的方言和情感控制。

---

现在就开始，让你的文字开口说话吧！ 🎉