Vidu Speech Generate 🔊

Vidu AI 语音合成与声音复刻工具，专注于音频生成功能。

环境说明

变量说明：

• {baseDir} - 运行时自动替换为本 skill 目录的绝对路径
• 实际路径：~/.openclaw/workspace/skills/vidu-speech-generate/

环境变量：

• VIDU_API_KEY - Vidu API 密钥（必需）

快速开始

直接告诉我你想生成什么语音，我会自动选择合适的音色：

"用少女音配音这段话：大家好，欢迎来到我的频道"
"用播报男声朗读这段教程内容"
"帮我复刻这个音频的声音"

支持的音频类型

自动识别规则

用户输入 → 意图识别
─────────────────────────────
"配音" + 文本 → TTS语音合成
"复刻声音" + 音频 → 声音复刻

TTS 语音合成

自动音色推荐

根据内容场景自动选择合适音色：

使用示例

用户: 用少女音配音这段话：大家好，欢迎来到我的频道
→ 自动选择 female-shaonv
→ 生成音频文件

用户: 用播报男声朗读这段教程内容
→ 自动选择 Chinese (Mandarin)_Male_Announcer

用户: 英文配音：Hello, welcome to my channel
→ 自动选择 English_Trustworthy_Man

停顿控制

使用 <#x#> 标记控制停顿（x为秒数）：

你好<#2#>我是vidu<#1#>很高兴见到你

参数说明

声音复刻

根据音频样本复刻音色，用于后续TTS。

使用示例

用户: 帮我复刻这个音频的声音
[发送音频文件]
→ 创建自定义音色
→ 返回 voice_id 供后续使用

要求

• 原音频时长：10秒-5分钟
• 音频清晰，无背景噪音
• 复刻音色为临时音色，7天内需在TTS中调用才能永久保留

API 调用

python3 {baseDir}/scripts/vidu_cli.py voice-clone \
  --audio-url sample.mp3 \
  --voice-id my_voice_001 \
  --text "这是复刻的声音样例"

API 调用

内部使用 Python CLI 工具：

# TTS语音合成
python3 {baseDir}/scripts/vidu_cli.py tts \
  --text "配音文本" \
  --voice-id "female-shaonv"

# 长文本TTS（避免shell引号问题）
python3 {baseDir}/scripts/vidu_cli.py tts \
  --text-file long_text.txt \
  --voice-id "female-shaonv"

# 声音复刻
python3 {baseDir}/scripts/vidu_cli.py voice-clone \
  --audio-url sample.mp3 \
  --voice-id my_voice \
  --text "这是复刻的声音样例"

输出规范

1. 下载目录: {baseDir}/uploads/
2. 返回格式: Markdown 格式引用文件
3. 音频链接: 必须返回音频 URL 让用户直接访问

环境配置

必需环境变量：

VIDU_API_KEY=your_api_key_here

获取 API Key：

• Vidu 官方开放平台：https://platform.vidu.cn 或 https://platform.vidu.com
• 注册账号后在「API Keys」页面创建

API 域名选择

重要规则：根据用户语言自动选择 API 域名

Base URL 配置：

# 简体中文用户
BASE_URL = "https://api.vidu.cn/ent/v2"

# 非简体中文用户（英文、日文、韩文等）
BASE_URL = "https://api.vidu.com/ent/v2"

判断逻辑：

• 用户使用简体中文 → 使用 api.vidu.cn
• 用户使用其他语言（英文、日文、韩文等） → 使用 api.vidu.com

错误处理

References

• 音色列表 - 303个可用音色
• API参考文档 - 所有API详细参数

Rules

1. API Key 检查: 调用前确认 VIDU_API_KEY 已设置
2. TTS同步: TTS 为同步接口，立即返回音频URL
3. 长文本处理: 文本超过30字符必须使用 --text-file 参数
4. 音色保留: 复刻音色7天内需使用否则删除
5. 返回音频链接: 必须返回音频 URL 让用户直接访问