核心功能与用法
本Skill提供阿里云Model Studio Qwen TTS语音克隆能力的标准化封装，支持两种核心模型：qwen3-tts-vc-2026-01-22（标准版）和qwen3-tts-vc-realtime-2026-01-15（实时版）。开发者需先安装dashscope SDK并配置DASHSCOPE_API_KEY密钥。
标准化接口设计：通过tts.voice_clone方法调用，仅需传入text（待合成文本）和voice_sample（音色样本，支持URL或字节流），即可克隆目标音色并生成语音。可选参数voice_name用于命名自定义音色，stream控制是否返回流式PCM数据。成功响应包含audio_url音频链接、voice_id（可持久化复用）及request_id。
典型工作流：准备干净低噪的语音样本 → 调用克隆接口生成voice_id → 后续合成直接复用voice_id无需重复上传样本。本地提供prepare_voice_clone_request.py脚本辅助构造请求和校验响应。
显著优点
1. 双模型覆盖：标准版追求音质，实时版优化延迟，满足多样化场景
2. 音色持久化：voice_id机制避免重复上传样本，降低调用成本
3. 流式支持：可选实时PCM流输出，适配交互式应用
4. 阿里云背书：依托通义千问大模型生态，中文场景优化充分
局限性与风险
- 样本质量敏感：背景噪声、混响会显著影响克隆效果
- 合规门槛高：强制要求获得被克隆人明确授权，存在法律风险
- 音色一致性：跨语种或极端情绪文本可能出现音色漂移
- 成本不可控：语音合成按字符/时长计费，高频调用需预算规划
适用人群
内容创作者（有声书/播客）、虚拟主播开发者、企业客服定制、无障碍辅助工具开发者。
常规风险提示
⚠️ 合规红线：未经授权克隆他人声音可能违反《民法典》人格权条款及深度合成规定，务必留存书面授权。⚠️ 样本安全：上传的语音样本可能存储于阿里云服务端，敏感场景建议本地预处理脱敏。⚠️ 输出管理：默认输出至output/ai-audio-tts-voice-clone/audio/，多用户环境需配置隔离目录。