| name | speech_to_speech |
| description | 语音生语音工具,使用当前 provider 的 speech_to_speech 能力转换本地音频并保存结果。 |
| version | 1.2 |
| category | multimodal |
| enabled | true |
| tags | ["multimodal","audio","speech-to-speech"] |
语音生语音 (Speech to Speech)
把本地音频按提示词或语音参数转换为新的音频文件。
插件路径
plugins/speech_to_speech/
注册工具
| 工具名 | 描述 |
|---|
speech_to_speech | 输入本地音频,按提示词或音色参数转换并保存结果 |
参数
| 参数 | 类型 | 必需 | 默认值 | 说明 |
|---|
audio | string | 是 | — | 本地音频文件路径 |
prompt | string | 否 | "" | 转换要求(如"用温柔女声") |
instruction | string | 否 | "" | 语气、风格等全局指令 |
voice | string | 否 | "" | 目标音色 ID。不同厂商音色完全不同,请根据当前 provider 配置的模型传入 |
format | string | 否 | "mp3" | 输出音频格式。常见值:mp3/wav/flac/opus/pcm。具体取决于厂商支持 |
output_dir | string | 否 | users/<user>/download/ | 输出目录 |
结果说明
- 成功:返回保存后的本地文件路径
- 失败:返回
ERROR: 前缀的错误信息
- 能力不支持:提示需要配置
speech_to_speech_model 或开启 capabilities_override: ["speech_to_speech"]
前置条件
- 需要 provider 支持
speech_to_speech 能力
- 需配置
speech_to_speech_model(config.json 专用配置)
- 输入音频文件需存在于本地文件系统
典型场景
- 语音变声(男声转女声等)
- 语音风格转换(朗读风格转为对话风格等)
- 语音后处理
常见规范
- 输出目录默认为
users/<user>/download/
- 不同厂商的音色 ID 体系完全不同,请查阅厂商文档获取音色列表
prompt 和 instruction 的作用因厂商而异,部分厂商可能不使用
常见处理办法
- 能力不支持:检查 provider 配置,确认
speech_to_speech_model 已设置
- 文件不存在:检查音频路径是否正确
- 音色无效:查阅当前 provider 对应模型的音色文档
常见教训
- 并非所有 provider 都支持 speech_to_speech,使用前需确认能力声明
prompt 和 instruction 参数的效果依赖厂商实现,部分厂商可能忽略
- 输出格式取决于厂商支持,不支持的格式可能静默回退为默认格式