speech-to-speech

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