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。

🎙️ 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）

bash

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：

bash

# 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

bash

# 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

bash

# 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

bash

# 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

bash

# 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！ 🎉