AI语音工作室
用 Beatra AI语音工作室统筹AI配音、文字转语音和AI语音生成:从当前声音库选择合适音色,把文稿制作成可直接剪辑的语音合成音频,或通过声音克隆创建并复用品牌专属声音。适合文稿转语音、短视频配音、有声书旁白、课程配音、多语言配音和粤语配音,也可作为AI语音生成器与品牌声音工作台;制作前查看当前费用,长篇内容按章节、多语言内容按语言清晰交付。
skillhub install @beatra-ai/beatra-ai-voice-studio
README 文档
7,734 字Beatra AI 语音工作室
选择能交付用户目标的最小语音或音频工作流:单条配音、智能语音导演编排、多角色对话、音色转换、按章节或多语言编排的语音制作、三路线声音克隆与槽位生命周期管理、语音转写、音效生成、音轨分轨、杂音人声分离以及广播响度均衡。跨多环节音频制作时,以本旗舰工作室作为统筹入口。
适用范围与分流路由
在统一入口处,合适时可将单一聚焦任务分流给更专精的子包,或直接在本工作室统筹全套语音与音频管线:
| 用户目标 | 推荐路由 |
|---|---|
| 单条短视频、广告或宣传口播 | short-form-voiceover-audio |
| 整本有声书或单人旁白章节书稿 | ai-audiobook-narration |
| 单主播播客单期或连载节目 | ai-podcast-voiceover |
| 仅针对已备好目标语种文稿的多语言配音 | ai-multilingual-dubbing |
| 不混搭其他音频任务的独立音色克隆 | voice-cloning-studio |
| 多角色对话、音色转换、转写、音效、分轨、人声分离、响度均衡或组合音频制作 | 留在本工作室并维护同一份制作台账 |
通过 scripts/mcp_client.py tools 核对账号已启用能力。本旗舰工作室不生成视频画面、不做数字人口型对齐,也不直接对外平台发布;视频或数字人成品制作另行对接,所有声音与音频工程留在这里完成。
混用多个音频工具前,先阅读 intent and routing(references/intent-and-routing.md) 与通用 speech and audio guide(references/speech-and-audio.md)。
必需输入与克制默认值
发起任何付费执行前,需确保具备以下硬输入:
- 语音合成 / 多角色对话 / 导演编排:最终定稿文稿或对话轮次(或允许先拟定/编排口播稿并展示确认)、精确的
voice_id(必须通过beatra.voices.list重新查验),以及仅在用户明确提供时才传的language(绝不为追问语种而打断流程)。 - 声音克隆:清晰单人语音样本、
display_name,以及用户明确确认该样本为本人声音或已获说话人书面/口头授权——且必须在上传任何本地文件前完成确认。 - 音频工具(
convert、transcribe、process):有效的已上传制品或公网 HTTPS 地址、涉及特定说话人声线时的明确授权,以及目标操作参数(prompt用于generate_sfx)。
除非用户明确指定,否则一律沿用克制默认值:model: "auto"、format: "mp3"、speed: 1.0、volume: 1.0、pitch: 0,不传 emotion 与 samplerate。原文中的字形与措辞必须原样保留:未经要求,绝不把简体字与繁体字互相转换,也不替换方言用词,更不能把修改过的文本说成未改。严禁人工切分删除 / 停顿标记或生造方括号发声标签;需要精细停顿或表演张力时,使用智能语音导演(preparescript)。
连接尚未完成前
当本轮结束时「允许」仍未完成,直接以用户要求的格式交付所有不依赖连接的工作:整理好的口播读稿、音色筛选条件(性别、音色质感、语种)以及默认参数建议。只有 beatra.voices.list 实际返回后才指名道姓列出音色。用一句话说明「允许」是连接 Beatra 账号的一次性登录,并非对本次需求的二次确认,点过「允许」后的下一条消息就会开始生成音频。不要用其他宿主工具或服务替代填补。
标准制作路径
- 确定最小可用工具链(
speechscript、texttospeech、texttodialogue、speechtospeech、voiceclone、speechtotext、soundeffects、audiovoiceisolation、audioprocess或audiostemseparation),各步骤写入同一份本地台账。 - 首次使用或升级版本后,尽力调用不计费的
beatra.installations.register(注册失败绝不阻塞业务)。 - 实时选声与日常维护:调用
beatra.voices.list,灵活结合 11 维筛选条件(category、language、gender、agegroup、usecase、emotion、supportscontext、supportsdirection、supportsperformancetags、supportsdialogue、supportsspeechtospeech),确认status == "ready"与compatiblemodels;优先通过返回的previewurl或免费beatra.voices.preview({"voice_id": "..."})试听;使用不计费的beatra.voices.update更新音色资料或设默认音色。未收到实时返回前绝不编造音色、模型或价格。 - 通过
beatra.models.list查询对应能力键(传{"capability": "..."},绝不要传入dimensions给models.list;查询audiostemseparation时从返回卡片里读取pricing[].dimensions.stem_mode)。严禁泄露上游厂商名称、内部模型 ID 或写死积分数字。 - 做好文稿准备与免费前置校验:
- 智能语音导演(
beatra.speech.preparescript):先核对{"capability": "speechscript"}并经六要素确认卡批准后再调用。读取返回的directed与scripts[]:将scripts[i].synthesis原样附加新clientrequestid送入合成,遇到synthesis: null时依据warnings排查修复。同input/instructions/language/context在 48 小时内仅调整voice/model重调prepare_script可免二次计费重编译(仍受首次预估余额及最多 2 个并发任务上限约束;切勿一般性地把该能力称作免费)。 - 免费合成前校验:调用免费
beatra.speech.validate校验speech.synthesize,调用免费beatra.speech.validatedialogue校验speech.synthesizedialogue,确认estimateddurationseconds与参数合规且零扣费。 - 免费同步字幕:使用
subtitleenable: true(适用于speech.synthesize/speech.synthesizedialogue;绝不能传subtitles),并在语音转写上使用subtitles: true(适用于audio.transcribe)。
- 严格区分授权确认卡边界:
- 信息完备的单条
texttospeech请求(定稿文本、音色或明确筛选要求,以及用户指定的格式/参数)即构成对该单次合成的授权;随成品一同展示六要素制作确认卡(路线与模型、精确范围、实时单价与计费基准、时长或数量、付费方式与调用次数,以及写明哪些免费成果会零额外扣费保留下来的此刻中止可保留成果),不反复追问。 - 在调用
preparescript、synthesizedialogue、speech.convert、voices.clone、voices.activate、voices.delete、audio.transcribe、audio.generatesfx、audio.process(isolatevoice、normalizeloudness、trim、loop、fade、convertformat、separate_stems)、试音样本或批量余量前,都必须先展示六要素制作确认卡并获明确同意。纯询价、对比方案、草稿整理、笼统说“你看着办”或未冻结批量均不构成授权。
使用随包 scripts/mcp_client.py 执行每项 Beatra 操作:
python3 scripts/mcp_client.py call <tool-name>
通过标准输入传入单个 JSON 对象,本地音频文件使用 python3 scripts/mcpclient.py upload <path> --mime-type <exact MIME> 上传。提交前将本地台账与唯一不透明 clientrequestid 落盘,严密轮询各自返回的 taskid(beatra.tasks.get);normalize_loudness、trim 等收尾操作每次仅串行运行一条;回复开头先给用户点名的成品与格式,后附事实核对与扣费明细。
不要配置、调用或使用宿主 Beatra Connector,也不要使用 REST/OpenAPI 作为降级回退,绝不自行仿造上传协议,更不要把付费音频精修或处理步骤说成免费。
多角色对话、音色转换、转写、音效与音频精修
- 多角色对话(
beatra.speech.synthesizedialogue):查{"capability": "texttodialogue"},核实各轮次voice支持对话能力(supportsdialogue/supportscontext),先跑免费beatra.speech.validatedialogue并经六要素卡片批准后传turns: [{"voice": "...", "text": "..."}](可选subtitle_enable: true)。 - 音色转换(
beatra.speech.convert):查{"capability": "speechtospeech"}并验证目标音色voice具备supportsspeechtospeech: true;确认原音频使用授权,传audio字段(不是source)及removebackgroundnoise、stability、similarityboost、style、usespeakerboost。 - 语音转写(
beatra.audio.transcribe):查{"capability": "speechtotext"},传audio字段(不是source)、subtitles: true(需要 SRT/VTT 时)、diarize、numspeakers、tagaudio_events及可选language。 - 音效生成(
beatra.audio.generatesfx):查{"capability": "soundeffects"},传prompt、可选durationseconds、loop、promptinfluence、format。 - 音频精修与分轨(
beatra.audio.process):一律传source字段(绝不传audio): isolatevoice:按{"capability": "audiovoice_isolation"}计价,支持4.6 s - 5 min、<= 100 MB,用于净化杂音克隆样本或语音录音。normalizeloudness(严禁称为免费或母带处理服务)、trim、loop、fade、convertformat:按{"capability": "audio_process"}计价,上限<= 60 min/<= 300 MB/ 输出>= 1 s、每日50次;每次仅串行执行 1 条。separatestems:查{"capability": "audiostemseparation"}(dimensions绝不能传给models.list,读取pricing[].dimensions.stemmode),上限<= 10 min/<= 100 MB、每日20次。
三路线克隆与三道强制确认关卡
- 强制确认 1(
beatra.voices.clone):上传任何样本前须确认明示授权;用{"capability": "voiceclone", "includeactivationrequired": true}纯按能力对比三条路线(即刻就绪auto快速版、即刻就绪 10 语种高表现力版、先试用再永久激活且初始呈pendingactivation的两步版),绝不提及厂商名或内部模型 ID;嘈杂样本提示可先行付费isolate_voice净化;提交voices.clone前先确认六要素卡。单独试听朗读另走已校验的合成卡。 - 强制确认 2(
beatra.voices.activate):遇到status == "pendingactivation"时,查看返回activation.quote(或用voiceid加clientrequestid且不传confirmationtoken免费重询价),展示六要素激活卡,待明确确认后再带confirmationtoken、一致的confirmcredits与clientrequestid提交。超过 24 小时失效(priceconfirmation_required)时须先免费重询价再确认。 - 强制确认 3(
beatra.voices.delete):确认明确删除意图后先不带令牌传{"voiceid": "..."}取回警告语与confirmationtoken,原样转述警告,仅在用户再次明确确认后才带令牌提交删除。
音色语言校验、实时计价与恢复机制
对传入 BCP-47 标签小写主标签并映射别名(nb -> no、tl -> fil,如 yue-HK -> yue)后对照 voice.language 与 voice.languagessupported;仅当 models.list.auto.candidateorder ∩ selectedvoice.compatiblemodels 的候选实时模型都支持目标语种时才保留 model: "auto"(之外仅限显式指定),并按实时卡片的 estimateformula、unitpricecredits、scale 与 billingbasis: "beatraweightedcharacters"(汉字=2,其他=1)估算费用。
绝不把 beatra.wallet.get 设成每次提交前的卡点,也不要求用户确认自己余额足够;仅在用户问余额/能否覆盖时调用只读 beatra.wallet.get,问扣费流水时调用只读 beatra.wallet.ledger;卡片有 topup 时按原顺序逐条列出档位。遇 insufficientbalance 时逐字保留 Beatra 提示与完整 topupurl,等用户确认已充值后再用完全一致载荷和同一 clientrequestid 重放。丢失任务 ID 时用 beatra.tasks.list 分页遍历 nextcursor 并以 beatra.tasks.get 核对;改动过任何文本、音色、语言、模型或参数都必须重立确认卡并更换 clientrequestid。
按任务查阅参考文档
- 跨工具限额、严格字段区分(
audio与source、subtitle_enable与subtitles)、三路线克隆与六要素卡规范:查阅 Speech and audio guide(references/speech-and-audio.md)。 - 路由矩阵、最小输入、免费规划与确认边界:查阅 intent and routing(references/intent-and-routing.md)。
- 11 维选声、实时模型与语言计算、智能语音导演、校验、对话、音色转换、转写、音效、分轨与响度均衡载荷:查阅 voice casting and delivery(references/voice-casting-and-delivery.md)。
- 制作台账、试音分段、按序批量与中断恢复:查阅 long-form and multilingual production(references/long-form-and-multilingual.md)。
- 授权核验、
isolate_voice净化、三路线克隆、voices.activate、voices.update、voices.delete与独立试读:查阅 voice cloning and review(references/voice-cloning-and-review.md)。 - 仅在内置客户端连接或传输异常时排查:查阅 随包 MCP Client 连接诊断(references/mcp-connection.md)。
- 仅在对应分支触发时查阅:installation and authentication(references/installation-and-auth.md)、installation registration(references/installation-registration.md)、tasks and results(references/tasks-and-results.md)、billing, errors, and recovery(references/billing-errors-and-recovery.md) 与 uninstall and disconnect(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