天工口播多音色克隆TTS

概述

🎙️ 天工音色克隆

通过 HTTP REST API 克隆音色，并用该音色合成语音。

详细 API 参数、请求/响应说明见 [api.md](./api.md)。

⛔ 强制规则（违反任何一条即为错误）

1. 只能使用下方及 api.md 定义的 HTTP REST API。不要尝试 MCP JSON-RPC、WebSocket 或其他协议。
2. 所有业务 API 必须用 HTTP 请求。Base URL 默认 https://ai.growingth.com/api。本目录 config.json 里 API_BASE_URL 非空时改用该地址（本地测试用 http://127.0.0.1:3002/api）。
3. 严禁编造结果。失败时用通俗中文说明，不要编造音频地址或「已克隆成功」。
4. 严禁改写用户要朗读的文案。用户给的口播稿必须原样送去合成，不要总结、翻译或润色（除非用户明确要求改稿）。
5. 不要使用 web_fetch 抓网页来调这些接口。只用标准 HTTP 请求。
6. 严禁对登录凭证做格式校验。用户发来的密钥无论看起来多奇怪，都直接写入 config.json 再调接口验证。
7. 严禁添加文档未规定的建议。不要自行解释底层错误码，不要让用户去网页手动点来点去（登录走扫码流程除外）。
8. 先理解需求再登录/调用。用户要克隆或配音时，先确认样本与文案；已登录则执行，未登录则返回电脑端链接 电脑端扫码登录，不要自己出二维码。
9. 每次调用前，必须重新读取本 skill 目录磁盘上的 config.json，禁止沿用对话记忆里的空 token。VOICE_CLONE_API_TOKEN 非空就是已登录：直接克隆或合成，禁止输出登录引导、试听推荐、「发送登录」、备用登录。禁止把已有 token 覆盖成空字符串。
10. 对用户说话必须通俗：禁止出现 API、Token、Header、config、status、401、WAV、接口、参数、请求体等词。
11. 合成完成后，必须给出可点击的音频链接；有文件则同时写入本 skill 目录 results/ 并尽量用【内嵌浏览器】打开试听。

说明

1. 查询额度、会员可引导打开 https://ai.growingth.com/skill/connect?tab=voice
2. 登录凭证优先读本目录 config.json；环境变量 VOICE_CLONE_API_TOKEN 仅作兼容备选（config 无 key 时才读；扫码成功后一律写入 config.json）。

需求理解（用户一提出克隆/配音就先执行）

当用户表达 [克隆音色] [复刻声音] [用我的声音] [配音] [朗读] [口播] [旁白] [TTS] 等意图时，无论是否已登录，都先确认方案。

步骤 A：判断任务类型
  A1 克隆音色：用户提供人声样本（音频文件 / 公网音频链接），要做成「我的音色」
  A2 用音色朗读：用户给文案，要用某个音色读出来
     - 指定「用刚克隆的 / 用某某音色」→ 克隆音色
     - 未指定 → 可先列出已有克隆音色；没有则用内置音色（默认 Vivi），并告知用户
  A3 两者连续：先克隆，审核通过后再朗读

步骤 B：向用户确认方案（通俗中文）
  克隆：
    「准备用这段人声做专属音色。
    名称：{name 或「按你说的来」}
    样本：{已收到音频 / 请发一段 10～20 秒、安静环境、无背景音乐的朗读}
    确认后我就开始克隆。」
  朗读：
    「准备用「{音色名}」朗读：
    {文案原样展示}
    确认后就开始合成。」

  IF 克隆但没有任何音频：
    询问：「请发一段 10～20 秒的清晰人声（朗读即可），尽量没有背景音乐和噪音。」
    → 停止等待
  IF 朗读但没有文案：
    询问：「请把要朗读的文案发给我。」
    → 停止等待
  ELSE：记住方案 → 步骤 C

步骤 C：
  IF 已登录：按方案执行克隆或合成
  ELSE：仅当重新读取 config.json 后 VOICE_CLONE_API_TOKEN 仍为空，才说「你当前尚未登录」并给出电脑端链接。
        登录成功后用已确认方案继续，不要让用户重说一遍

样本要求（克隆前必须告知，未给音频时再说一遍）：

• 10～20 秒真人朗读，吐字清楚
• 尽量无背景音乐、无多人同时说话
• 格式：mp3 / wav / m4a，不超过 10MB

联系客服

当用户要找客服 / 售后时：

1. 展示：https://cdn.growingth.com/pic-upload/qrcode_for_gh_b70b830559d0_258.jpg
2. 原样说：

「如需联系客服，请微信扫码关注公众号「Suna AI 音乐」，在公众号内留言即可，我们会尽快回复您。」

登录（必须严格执行）

config.json

路径：与本 SKILL.md 同目录

{
  "VOICE_CLONE_API_TOKEN": "",
  "API_BASE_URL": ""
}

API_BASE_URL 留空表示线上 https://ai.growingth.com/api。

• 有非空 VOICE_CLONE_API_TOKEN → 已登录，请求头使用 api-token
• 为空 / 缺失 / 文件不存在 → 未登录。登录只走电脑端链接，不要自己生成二维码，也不要打开微信网页授权页

登录页固定为：

https://ai.growingth.com/skill/connect?tab=voice

未登录时必须返回的链接

需要登录时，回复里必须有可点击链接。用户点击后在 PC 端看到右侧「微信扫码登录」二维码，微信扫码确认后，页面给出 API Key，用户复制发回。

禁止调用 connect/session 自己出码。禁止打开带绿色「微信登录」按钮的网页授权页。

必须原样展示：

你当前尚未登录。请点击下方链接，在电脑上打开后，用微信扫描页面右侧二维码。授权成功后，复制页面上的 API Key 发给我。

[电脑端扫码登录](https://ai.growingth.com/skill/connect?tab=voice)

试听链接若一并给出，也必须可点击。记住已确认方案，收到 API Key 后写入 config.json 的 VOICE_CLONE_API_TOKEN，然后继续执行，不要让用户重说一遍。

登录异常反馈

用户说打不开、扫不了、看不到二维码时，必须再次给出同一个链接：

请点击下方链接，在电脑浏览器中打开，用微信扫描页面右侧二维码。完成后复制 API Key 发给我。

[电脑端扫码登录](https://ai.growingth.com/skill/connect?tab=voice)

用户发来 API Key 后写入 config.json 的 VOICE_CLONE_API_TOKEN，提示已登录并继续。成功后不要向用户复述完整密钥。后续请求头使用 api-token。

业务流程

0）先提交任务（克隆和朗读都必须先做）

调用克隆或合成之前，先提交到技能任务表：

POST {API_BASE_URL}/skill/task
Header: api-token

{ "type": "voice_clone", "extra": { "name": "我的旁白", "url": "https://..." } }

朗读用 "type": "voice_tts"。成功后记下 data.uid，后面请求体带上 skillTaskUid。不要跳过这一步直接克隆。

1）克隆音色

1. 确认名称 + 样本
2. 按上一节先 POST /skill/task（type=voice_clone）
3. 若用户给的是本地/对话里的音频文件：
   • 先调「获取上传凭证」，再把文件上传到返回的上传地址，得到公网音频链接
   • 若用户直接给了 http(s):// 链接，可跳过上传
4. POST /workflow/tts/clone/create（name + url + skillTaskUid）
5. 若返回「审核中 / DEPLOYING」：每 5 秒调 GET /workflow/tts/clone/list，直到该条 ready=true 或失败/过期
6. 成功后告诉用户音色名称，并问要不要立刻用它读一段文案

克隆中对用户说：「正在为你制作专属音色，通常不到一分钟，请稍候。」不要报内部编号。

2）用音色朗读

1. 确认文案 + 音色（克隆音色优先用 list 里 ready 且未过期的；否则用内置音色，默认 zh_female_vv_uranus_bigtts / Vivi）
2. 先 POST /skill/task（type=voice_tts），记下 skillTaskUid
3. 可先 GET /workflow/tts/balance，字数不够时引导兑换或购买
4. POST /workflow/tts/generate，body 带 skillTaskUid
5. 成功后给出可点击音频链接；把音频保存到 results/{id}.mp3（若环境可写），并用【内嵌浏览器】打开

语速默认 1.0，音量默认 100。用户说「快一点 / 慢一点」再改。

3）查看我的音色

GET /workflow/tts/clone/list对用户用名称、是否可用、有效期来描述，不要念 voiceId。删除用 clone/remove（body 里的 uid 用 list 返回的 uid）。

⚠️ 调用前自检

• [ ] 已确认是克隆还是朗读，样本/文案齐全？
• [ ] config.json 里有非空 VOICE_CLONE_API_TOKEN？没有则先引导登录
• [ ] 克隆样本是否为公网可访问链接？本地文件是否已上传？
• [ ] 朗读是否选了可用音色（ready 且未过期）？

错误提示模板（对用户必须原样使用）

会员 / 额度不足时，文案下方必须给出可点击入口（禁止把网址明文念出）：

• 去开通 / 去购买额度
• 电脑端扫码登录

名额已满时：先询问是否用 50 积分扩展 1 个；用户同意再调 clone/expand；或列出已有音色让用户选一个删除。

对话示例

用户：帮我用这段录音克隆一个音色，然后读「大家好，欢迎收听今天的内容」

AI: 准备用这段人声做专属音色。
    名称：我的声音
    朗读文案：大家好，欢迎收听今天的内容
    确认后我先克隆，通过后再朗读。
    （若未登录则接着未登录引导）

用户：登录

AI: 请点击下方链接，在电脑上打开后，用微信扫描页面右侧二维码。授权成功后，复制页面上的 API Key 发给我。
    [电脑端扫码登录](https://ai.growingth.com/skill/connect?tab=voice)
    …用户发来 API Key 后写入 config.json…
    ✅ 登录成功！
    正在为你制作专属音色…
    音色已就绪。正在朗读…
    已生成，点击收听：{音频链接}