AI声音克隆工作室
这是一个 AI 声音克隆工作室和声音克隆工具,可用单人清晰语音样本完成 AI 声音克隆、语音克隆和自定义 AI 声音制作,创建可反复使用的个人专属音色或品牌声音。适合克隆自己的声音、从样本制作音色,并用于旁白、课程、产品故事、客户通知、系列内容和品牌声音;创建前查看样本质量、音色名称与当前费用,成功后用短句完成声音克隆试听。
skillhub install @beatra-ai/voice-cloning-studio
README 文档
7,927 字AI 声音克隆工作室
创建、试听、优化、转换并管理已获授权的可复用音色。从干净或先经降噪处理的 人声样本出发,按目标场景选择匹配的克隆模型,严格确认关键授权与付费门控, 并将返回的 voice_id 延展用于旁白配音、语音风格转换与响度标准化交付。
每次 Beatra 操作都必须使用随包 scripts/mcp_client.py。不要配置、调用或使用宿主 Beatra Connector,也不得使用 REST/OpenAPI 作为降级回退。将工具名作为命令行参数传入, JSON 请求通过标准输入发送,例如:
python3 scripts/mcp_client.py call beatra.voices.clone
首次使用时,允许随包客户端尽力执行一次不计费的 beatra.installations.register; 注册失败不得阻断请求。仅调用当前账号已开放并由 scripts/mcp_client.py tools 列出的工具。
连接就绪之前
一轮结束时若「允许」仍未完成,就把无需连接的部分按用户要求的格式做完并交付: 授权同意检查清单、本地可判断的样本检查(时长、格式、噪音),以及音色显示名称。 克隆本身等点完「允许」后再推进。用一句话说明:点「允许」后下一条消息继续付费步骤; 点「允许」只是完成连接,克隆仍要先确认下一条消息给出的六字段入场卡。不要用其他 工具或服务填补空档。
强制确认 1:授权同意与噪声音频样本预处理
复用用户已经提供的样本、预期显示名称、语言提示、预期用途及任何明确授权说明。 在上传本地文件或调用 beatra.voices.clone 之前,必须拿到用户明确确认:这段录音 属于用户本人声音,或者说话人已明确授权用于本次声音克隆。当前对话缺少该用户确认前, 绝不设置 consent_attested: true。
用户提供样本并表示「克隆我的声音」已满足授权确认,不要反复追问冗长法律条款。 仅拥有音频文件、公开采访链接、出版权限或名人身份都不构成克隆授权。完整样本条件与 传输规则见授权确认与样本就绪度(references/consent-and-sample-readiness.md)。
如果已获授权的样本带有背景音乐、环境混响或杂音,建议先通过付费的人声分离降噪进行预处理: 使用 beatra.audio.process 的 operation: "isolatevoice" 与 source(支持 4.6 s – 5 min, <= 100 MB)。调用 beatra.models.list({"capability": "audiovoiceisolation"})获取实时单价, 用六字段制作卡取得用户确认后执行,绝不将 isolatevoice 描述为免费能力。
仅在确认授权后,通过以下命令上传本地样本文件:
python3 scripts/mcp_client.py upload <path> --mime-type <exact MIME>
所选克隆卡片设有 promptaccepted,且需要提供 < 8 s 参考音频及逐字文本 prompt 时,可先通过付费转写工具 beatra.audio.transcribe({"capability": "speechtotext"},输入参数 audio,支持 最长 60 min 且 <= 100 MiB,可选 diarize、numspeakers、tagaudioevents,并附带免费对齐字幕 subtitles: true JSON/SRT/VTT)获取逐字文本。
选择克隆模型
不要猜测积分价格、虚构时长限制、透露上游供应商名称或暴露内部模型 ID。 按语音、音色、克隆与音频后处理参考(references/speech-and-audio.md) §5 选择克隆模型。
克隆音色将用于多人对话、作为语音风格转换的目标,或需要富有表现力的朗读时, 选择标明支持这一点且列出作品语言的克隆模型卡;其余工作保持默认。
六字段制作卡与克隆提交
规划、目录查询、样本建议、取名或笼统说出「现在克隆」均不代表授权扣费。在生成任何 clientrequestid 或提交付费调用(beatra.voices.clone、beatra.voices.activate、 beatra.speech.prepare_script、beatra.speech.synthesize、beatra.speech.convert、 beatra.audio.transcribe 或 beatra.audio.process)前,先用 beatra.models.list 读取实时费率 (beatra.wallet.get 与 beatra.wallet.ledger 仅作为用户询问余额/扣费时的只读工具,绝不设为每次提交前的强制门控), 并出示简洁的六字段制作卡:
- 做什么: 明确能力/操作类型、音色或样本引用、语言/格式及后续处理步骤。
- 花费多少: 来自
beatra.models.list、beatra.speech.validate或activation.price_credits的实时预估——禁止硬编码数字。 - 调用几次: 明确本次计划计费的调用/片段/生成次数。
- 防重标识: 仅在载荷定稿后生成新的本地不透明
clientrequestid。 - 停下来保留什么: 写明用户在此时停手可零额外费用保留的成果(授权与样本检查结果、音色试听/挑选、预检报价——若是首笔付费步骤则明确尚未产生扣费)。仅在用户要求时调用
beatra.tasks.cancel。 - 余额不足怎么办: 原样转述官方
insufficientbalance提示文案并完整保留充值链接(topupurl译文不改链),待用户确认已充值后再复用同一冻结clientrequestid重试。
用户批准写明克隆实时价格的制作卡后,生成一个新的本地不透明 clientrequestid,只调用一次 beatra.voices.clone,遇到拒绝时按计费、错误与恢复(references/billing-errors-and-recovery.md)处理:
{
"sample": {"type": "artifact", "artifact_id": "artifact_..."},
"display_name": "Approved display name",
"consent_attested": true,
"model": "auto",
"language": "optional-BCP-47",
"client_request_id": "new-local-opaque-id"
}
未知语种时省略 language。使用 beatra.tasks.get 轮询至终态并妥善保存不透明 voice_id。 详见克隆执行与故障恢复(references/clone-and-proof-workflow.md)。
强制确认 2:启用克隆声音(beatra.voices.activate)
当克隆结果或音色列表中的音色状态为 pending_activation 时,须在使用该音色前, 按语音、音色、克隆与音频后处理参考(references/speech-and-audio.md) §5 的步骤 E 处理。
音色筛选、试听、更新与两步删除
- 11 维音色筛选(
beatra.voices.list): 分页(limit<= 500配合cursor)免费查询预设库与本人克隆库(category: "cloned",支持status取值
"ready"、"pendingactivation"、"expired"、"any")。支持中英双语 search、基础筛选条件 (language、gender、agegroup、usecase、emotion、model)、六项能力查询过滤 (supportsdialogue、supportsspeechtospeech、supportsdirection、supportsemotion、supportsperformancetags、supportscontext), 以及完整的 11 项 capabilities.* 元数据字段(supportsdirection、supportedemotions、supportsperformancetags、 supporteddialects、supportscontext、supportsprevioustext、supportsnexttext、supportspronunciationpinyin、 supportspronunciationipa、supportsspeechtospeech、supportsdialogue)。
- 免费试听(
beatra.voices.preview): 为任意就绪音色免费获取试听链接(preview_url、kind),试满意再进入付费合成或转换。 - 档案维护与默认音色置顶(
beatra.voices.update): 免费重命名或修改画像信息(displayname、gender、agegroup、usecase、persona、language、makedefault)。
强制确认 3:两步不可逆删除(beatra.voices.delete)
删除克隆音色不可恢复(deleted: true 不可撤销;再次使用该音色须重新克隆)。绝不可在同一回合自动连发第一步与第二步:
- 调用
beatra.voices.delete,仅传入voiceid(省略confirmationtoken)。 - 将返回的
voice、paidslotwarning、irreversiblenotice以及 15 分钟confirmationtoken有效期清晰呈现给用户。 - 仅当用户明确回复确认永久删除后,再调用
beatra.voices.delete并传入voiceid与confirmationtoken完成删除(若超时 15 分钟或返回invalid_request,重新执行第一步获取新令牌)。
「智能语音导演」、试读验证、语音转换与响度标准化
所有下游试读朗读、脚本编排、语音转换、转写与音频精修均为独立的付费调用(仅 beatra.speech.validate、 beatra.voices.list、beatra.voices.preview、beatra.voices.update 以及 beatra.voices.delete 免费)。
- 「智能语音导演」(
beatra.speech.preparescript): 查询beatra.models.list({"capability": "speechscript"})。
根据自然语言 instructions 为口播稿编排节奏、停顿与表演提示,严守逐字保真不改动用户口播文案。彻底淘汰手工加删 / 停顿标记及自造括号发声标签的旧做法。检查返回的 directed 与 scripts[]:将就绪条目的 synthesis 对象原样连同新的 clientrequestid 传入合成,依据 warnings 修正所有 synthesis 为 null 的分段。若仅需更改 voice(保持同一文稿、指令、语种和 context),48 小时内用原输入调用 beatra.speech.preparescript 仅变更 voice 或 model 可免费重编译(账号余额仍需满足首次预估要求;并发上限为 2 个任务,切勿把 preparescript 泛称为免费)。
- 免费预检(
beatra.speech.validate): 每次传入voice、input、model与控制参数调用beatra.speech.synthesize前必做 0 积分预检,核对valid、
weightedcharacters、estimateddurationseconds、实时 pricecredits、execution 与 warnings。
- 语音合成与免费对齐字幕(
beatra.speech.synthesize): 查询beatra.models.list({"capability": "texttospeech"}),
确认音色/模型兼容及 constraints.supportedlanguages。保持 subtitleenable: true(默认开启;切勿传入 subtitles),调用 beatra.speech.synthesize 即可免费附带获得对齐的 output.subtitles(JSON、SRT、VTT)及 speechstartseconds、speechendseconds、 integratedloudnesslufs。
- 语音风格转换(
beatra.speech.convert): 查询beatra.models.list({"capability": "speechtospeech"}),将引导人声
(audio,1 s – 5 min,<= 50 MB)的时值、停顿、笑声与情绪曲线迁移到满足 capabilities.supportsspeechtospeech: true 的目标音色,可选 removebackgroundnoise: true、stability、similarityboost、style、usespeakerboost 与 seed。
- 付费响度标准化(
beatra.audio.process): 用户需要将成品对齐平台响度时,查询beatra.models.list
({"capability": "audioprocess"})并用六字段制作卡确认,每次运行单个后处理任务(<= 60 min、<= 300 MB、输出 >= 1 s、受每日调用限额约束), 传入 operation: "normalizeloudness"、source、loudnesslufs: -14 与 truepeak_db: -1(绝不写 action,也绝不称为免费步骤)。
详见试读复核与音色复用(references/review-recovery-and-voice-reuse.md)与 语音、音色、克隆与音频后处理参考(references/speech-and-audio.md)。
故障恢复与事实交付
先按用户要求的格式给出核心结果,再附带制作卡、模型选择和费用明细,不得喧宾夺主。 向用户说明异常时请使用通俗自然语言,不暴露内部工具名或错误字段码。
已知任务号时用 beatra.tasks.get 轮询;若任务 ID 丢失,先按能力分页遍历 beatra.tasks.list 的所有 nextcursor, 再用 beatra.tasks.get 核实候选任务。clientrequest_id 仅保存在本地台账中,无法远程筛选。
仅当请求是否创建成功确实存疑时,才允许使用相同 clientrequestid 重放逐字段完全一致的请求 (若返回 requestinprogress 则改查原任务)。样本、文稿、显示名、模型或控制参数任一改动均视为新付费操作, 须重新出卡确认并使用新 clientrequestid。绝不自动重试失败或已取消的任务。遇到 insufficientbalance 时, 按用户语言转述公开提示并原样保留 topupurl / 充值链接,待用户确认已充值后再用同一冻结 clientrequestid 重试。如果拒绝信息指明了另一条可行的路径,也一并向用户说明,并按计费、错误与恢复(references/billing-errors-and-recovery.md)处理。 交付实际任务、模型、音色、用量、计费(缺省计费值视为未知而非零)、产物链接与错误信息;宿主无法试听音频时明确说明未试听,不得编造试听评价。
账户余额
当用户询问剩余积分或现有余额能否覆盖本次估价时,调用 beatra.wallet.get;当用户询问历史扣费明细时, 调用 beatra.wallet.ledger。二者均为只读工具,不要臆造余额或充值工具,也不要把 wallet.get 变成每次付费提交前的强制关卡。
当模型卡片返回携带 top_up 数据块时,必须按卡片原样顺序完整转述所有档位,不得自行排序高低、贬低某档或替用户做决定; 选择哪一档完全由用户在钱包页面对照完整列表自行拍板,切忌凭记忆报错充值档位。
按任务查阅资料
- 上传本地样本或核验授权同意前,阅读授权确认与样本就绪度(references/consent-and-sample-readiness.md)。
- 了解克隆 JSON 载荷、实时价格、付费启用、删除确认、轮询与找回,阅读克隆执行与故障恢复(references/clone-and-proof-workflow.md)。
- 了解音色复用、智能语音导演、免费预检、语音转换、响度标准化与试读复核,阅读试读复核与音色复用(references/review-recovery-and-voice-reuse.md)。
- 了解语音合成、克隆、对话、转换、转写、音效与音频后处理通用参数契约,阅读语音、音色、克隆与音频后处理参考(references/speech-and-audio.md)。
- 首次接入或授权问题,阅读安装与认证(references/installation-and-auth.md)和安装注册(references/installation-registration.md)。
- 请求传输异常时,阅读随包 MCP Client 连接诊断(references/mcp-connection.md)。
- 任务信封字段与计费事实,阅读任务与结果(references/tasks-and-results.md)和计费、错误与恢复(references/billing-errors-and-recovery.md)。
- 需要断开或移除时,阅读卸载与断开连接(references/uninstall-and-disconnect.md)。
更新与安全
本 Skill 会自动更新。内置客户端每天最多一次从 Beatra 官网读取本渠道的版本信息 (中国大陆网络走 www.beatra.cn 与 cdn.beatra.cn)。有新版本时,它下载官方发布包, 逐个文件校验 SHA-256,再替换本 Skill 自己的文件;你放进这个目录的其他文件不会被 改动。替换过程中断时,下次运行会自动恢复到替换前的状态。除此之外,它不下载或执行 任何其他代码,只通过 HTTPS 与 Beatra 官方服务通信;你选择上传的文件只会传到 Beatra 为这次上传签发的一次性地址。
关闭自动更新:python3 scripts/mcp_client.py update --auto off。关闭后,客户端每天 最多提示一次在你安装它的商店里更新的命令。详见更新与安全(references/updates-and-security.md)。
同分类其他技能
查看全部 ›通过同一个AI创作工具完成AI图片、视频、音乐与语音创作,查找公开社交数据,编辑视觉成果,并集中查看和管理生成资产。Beatra 全能创
135 180.6万 AI音乐MV短片制作用一首歌的情绪、节奏和视觉概念,制作一个短视觉短片。这个 AI 音乐 MV 短片制作与歌曲生成视频工作流可以把音乐片段和视觉方向变成电影
15 66.1万 MiniMax H3 AI视频创作用 MiniMax H3 这款 AI视频生成器创作高质感 2K AI 视频。从文字创意出发完成文生视频,让静态图片自然动起来,用首尾画面
27 64.2万 AI数字人口播与虚拟主播视频用一张人像和一段短脚本或语音,制作有明确讲述内容的数字人口播视频。可使用现成录音,也可以先选择音色,把脚本生成旁白,让画面中的人物随声音
44 61.3万 架构图一键生成使用 ContextWeave 生成或修改架构图、流程图、思维导图和复杂信息图。适用于需要从代码、文件或自然语言中提取结构与关系并实际产
288 54.7万 海报设计工作室将一段活动描述、一张产品照片或品牌参考图,转化为抓人眼球的活动海报、宣传 banner 或社交媒体配图。这款 AI海报设计与制作工具生成
39 42.1万