| name | iflytek-voiceclone-tts |
| description | Use when user asks to clone a voice, train a custom voice model, or synthesize speech with a cloned voice. iFlytek Voice Clone tts(声音复刻) — train a custom voice model from audio samples and synthesize speech with the cloned voice. Supports the full workflow: get training text → create task → upload audio → submit training → poll results → synthesize with cloned voice. Pure Python stdlib, no pip dependencies. |
| metadata | {"homepage":"https://www.xfyun.cn/services/voice_clone","openclaw":"{\"emoji\":\"🎭\",\"dimensions\":[\"声音复刻\",\"语音克隆\"],\"user_instructions\":[\"帮我克隆这个声音\",\"用他的声音说这段话\",\"声音复刻\"],\"requires\":{\"bins\":[\"python3\"],\"env\":[\"IFLY_APP_ID\",\"IFLY_API_KEY\",\"IFLY_API_SECRET\"]},\"primaryEnv\":\"IFLY_API_KEY\"}"} |
ifly-voiceclone-tts
Clone a voice from audio samples and synthesize speech with it, using iFlytek's Voice Clone (声音复刻) API. Two-phase workflow: train a voice model, then synthesize speech with it.
Setup
- Create an app at 讯飞控制台 with 一句话声音复刻 service enabled
- Set environment variables:
export IFLY_APP_ID="your_app_id"
export IFLY_API_KEY="your_api_key"
export IFLY_API_SECRET="your_api_secret"
Workflow
Phase 1: Train a Voice Model
Step 1 — Get training text
python3 scripts/voiceclone.py train get-text
This returns a list of text segments with segId. You need to record yourself reading one of these texts.
Step 2 — Create a training task
python3 scripts/voiceclone.py train create --name "MyVoice" --sex female --engine omni_v1
Returns task_id. Supported engines:
omni_v1 — Multi-style universal voice (recommended)
Gender: male/female (or 1/2).
Step 3 — Upload audio
python3 scripts/voiceclone.py train upload --task-id 12345 --audio recording.wav --text-id 5001 --seg-id 1
python3 scripts/voiceclone.py train upload --task-id 12345 --audio-url "https://example.com/voice.wav" --text-id 5001 --seg-id 1
Audio requirements:
- Format: WAV/MP3/M4A/PCM
- Duration: match the training text (typically 3-60 seconds)
- Quality: clear recording, minimal background noise
Step 4 — Submit for training
python3 scripts/voiceclone.py train submit --task-id 12345
Step 5 — Check status (poll until done)
python3 scripts/voiceclone.py train status --task-id 12345
When complete, returns the res_id (voice resource ID) needed for synthesis.
Quick one-shot training
python3 scripts/voiceclone.py train quick \
--audio recording.wav \
--name "MyVoice" \
--sex female \
--wait
This combines create → upload → submit → poll in one command. --wait polls every 30s until training completes and prints the res_id.
Phase 2: Synthesize Speech
python3 scripts/voiceclone.py synth "你好，这是我的声音克隆。" --res-id YOUR_RES_ID
python3 scripts/voiceclone.py synth "Hello world" --res-id YOUR_RES_ID --output hello.mp3
python3 scripts/voiceclone.py synth --file article.txt --res-id YOUR_RES_ID -o article.mp3
echo "测试语音合成" | python3 scripts/voiceclone.py synth --res-id YOUR_RES_ID
python3 scripts/voiceclone.py synth "快一点" --res-id YOUR_RES_ID --speed 70 --volume 80
Train Subcommands
| Command | Description |
|---|
train get-text | Get training text segments |
train create | Create a training task |
train upload | Upload audio to a task |
train submit | Submit task for training |
train status | Check training status |
train quick | One-shot: create + upload + submit |
Synthesis Options
| Flag | Default | Description |
|---|
--res-id | (required) | Voice resource ID from training |
--output / -o | output.mp3 | Output audio file path |
--format | mp3 | Audio format: mp3, pcm, speex, opus |
--sample-rate | 16000 | Sample rate: 8000, 16000, 24000 |
--speed | 50 | Speed 0–100 (50=normal) |
--volume | 50 | Volume 0–100 (50=normal) |
--pitch | 50 | Pitch 0–100 (50=normal) |
Notes
- Training API: HTTP REST at
http://opentrain.xfyousheng.com/voice_train (MD5-based token auth)
- Synthesis API: WebSocket at
wss://cn-huabei-1.xf-yun.com/v1/private/voice_clone (HMAC-SHA256 URL auth)
- vcn: always
x6_clone for cloned voice synthesis
- Engine
omni_v1: multi-style universal voice, supports cn/en/jp/ko/ru
- Training text: use
get-text to find available text segments — you must record yourself reading the corresponding text
- Training time: typically 2–10 minutes depending on load
- No pip dependencies: uses pure Python stdlib (built-in WebSocket client)
- Env vars:
IFLY_APP_ID, IFLY_API_KEY, IFLY_API_SECRET
- Output: prints absolute path of saved audio to stdout
- API doc: https://www.xfyun.cn/doc/spark/voiceclone.html
常见错误码速查指南 ฅ⁽͑˙˙⁾ฅ
遇到错误先别慌～看看下面的错误码对照表就知道怎么办啦 ✧｡･ﾟ:*･
🎤 音色训练接口 - 常见错误码
| 错误码 | 哎呀！发生了什么？ | 怎么解决呢？ |
|---|
| 10000 | token过期啦～时间到惹 (ˊᵕˋ) | 检查一下token是不是过期了，去刷新一下token吧！ |
| 10001 | 缺少请求头参数哦 (⊙_⊙) | 看看请求头有没有带X-AppId和X-Token，要加上去哦～ |
| 10015 | 这个训练任务不是你的呀 (›´ω`‹ ) | 这个任务不属于当前应用，检查一下appid对不对呢～ |
| 10016 | appid无效啦～ (°°) | 這個appid沒有被授權，聯繫訊飛大大們給你分配一個吧！ |
| 10017 | 未授权这个训练类型呢 (๑•́ ₃ •̀๑) | 这个训练类型没权限，联系讯飞技术人员帮你开通吧～ |
| 10018 | 没有分配训练路数哦 (｡•́︿•̀｡) | 训练路数授权不够用啦！联系讯飞业务员增加训练路数吧～ |
| 10019 | appid授权已过期惹 (╥_╥) | 授权到期啦！联系业务员看看能不能续期吧～ |
| 10020 | IP地址没授权呢 (⊙﹏⊙) | 你的IP地址不在白名单里，把IP给讯飞让他们加一下吧！ |
| 10021 | 没有分配训练次数哦 (´；ω；`) | 训练次数用完了！联系讯飞爸爸增加次数吧～ |
| 20001 | textId无效或训练文本是空的呀 (°°) | 检查一下textId和textSegId对不对，可以用train get-text命令确认一下哦！ |
| 20002 | textSegId无效啦 (⊙_⊙) | 这个分段ID不存在呢，用train get-text看看有哪些有效的ID吧！ |
| 60000 | 训练任务不存在哦 (；ω；`) | 看看taskId是不是填错了呀？检查一下再试试吧～ |
| 90001 | 请求非法啦 (°°) | 按照接口协议检查一下请求结构对不对哦～ |
| 90002 | 请求参数不正确 (´；ω；`) | 参数有问题的说...比如textId must not be blank这种，仔细看看错误提示吧！ |
| 99999 | 系统内部异常啦 (╥_╥) | 这个比较复杂...请联系讯飞技术人员帮你排查一下吧！ |
💡 小贴士：如果是权限、授权相关的问题（10016-10021），基本上都需要联系讯飞官方处理哦～可以提交工单：https://console.xfyun.cn/workorder/commit
🎵 音频合成接口 - 常见错误码
| 错误码 | 哎呀！发生了什么？ | 怎么解决呢？ |
|---|
| 10009 | 输入数据非法啦 (⊙_⊙) | 检查一下输入的数据格式对不对哦～ |
| 10010 | 授权数已满惹 (°°) | 没有授权许可或数量用光啦！提交工单联系讯飞吧～ |
| 10019 | session超时啦 (ˊᵕˋ) | 检查一下数据发送完了有没有关闭连接呢～ |
| 10043 | 音频解码失败惹 (｡•́︿•̀｡) | 检查aue参数！如果填的是speex，要确保音频真的是speex格式，并且分段压缩和帧大小要一致哦～ |
| 10114 | session超时啦 (´；ω；`) | 会话时间太长了，检查一下发送数据有没有超过60秒哦～ |
| 10139 | 参数错误啦 (⊙_⊙) | 看看参数有没有写错呢～ |
| 10160 | 请求JSON格式非法 (°°) | 检查一下发送的数据是不是合法的JSON格式呀～ |
| 10161 | base64解码失败惹 (╥_╥) | 检查一下数据有没有用base64编码哦～ |
| 10163 | 参数校验失败啦 (´；ω；`) | 具体原因看详细描述吧～仔细对照接口文档看看哪里的问题呢？ |
| 10200 | 读取数据超时 (°°) | 检查一下是不是累计10秒没发送数据又没关闭连接呀？ |
| 10222 | 上传数据超限或SSL问题 (⊙﹏⊙) | 1. 检查一下上传的数据（文本、音频、图片等）有没有超过接口上限～
2. SSL证书问题的话，把log导出发到工单吧：https://console.xfyun.cn/workorder/commit |
| 10223 | LB找不到节点 (°°) | 服务器内部问题，提交工单吧～ |
| 10313 | appid和apikey不匹配 (⊙_⊙) | 检查一下appid是不是正确合法的哦～ |
| 10317 | 版本非法啦 (°°) | 版本号不对呢，提交工单联系技术人员处理吧！ |
| 10700 | 引擎异常 (´；ω；`) | 按照报错原因对照开发文档检查输入输出，如果还是搞不定，提供sid和错误信息提交工单吧！ |
| 11200 | 功能未授权 (°°) | 先检查appid对不对，确保appid下添加了相关服务哦！
• 看看总调用量是不是超了或到期了
• 确认功能授权情况
如果都没问题就联系商务人员吧～ |
| 11201 | 每日交互次数超限啦 (╥_╥) | 次数用光啦！可以提交应用审核提额，或者联系商务购买企业级接口获得海量服务量哦～ |
| 11503 | 服务内部响应数据错误 (°°) | 提交工单让讯飞大大们看看怎么回事吧！ |
| 11502 | 服务配置错误 (⊙_⊙) | 这个是讯飞的问题，提交工单吧～ |
💡 超重要！ 错误码100001-100010可能是引擎层面的问题，提交工单时记得提供：
这样技术人员才能快速帮你定位问题哦～ ✧٩(ˊᗜˋ*)و
🆘 遇到问题怎么办？
- 先看错误码：上面的表格基本上涵盖了常见错误，看看有没有对应的～ ๑•̀ㅂ•́)و✧
- 检查参数：很多错误都是参数写错导致的，对照接口文档仔细核对一下哦！
- 提交工单：如果表格里没有，或者搞不定，点击这里提交工单：https://console.xfyun.cn/workorder/commit
- 购买/升级服务：需要更多调用量或功能的话：
🎉 祝你开发顺利！ 如果有其他问题也可以随时问我哦～ 一起加油！(´▽`ʃ♡ƪ)
