deAPI Audio

基于 deAPI 去中心化 GPU 网络的文本转语音（TTS）、声音克隆、声音设计与音频转录服务。

脚本

您的配置

! cat ${CLAUDE_SKILL_DIR}/config.json 2>/dev/null || echo "NOT_CONFIGURED"

若上方输出为 NOT_CONFIGURED，请向用户询问：

• 您的 deAPI API 密钥是什么？（可前往 https://deapi.ai 免费领取 $5 信用额度）

随后将用户提供的密钥写入 ${CLAUDE_SKILL_DIR}/config.json，格式为：{ "api_key": "their_key" }。

或者，用户也可直接设置环境变量 DEAPI_API_KEY，该变量优先级高于 config.json 中的配置。

注意事项

• 如需处理 YouTube 或视频文件的语音转文字，请改用 deapi-video 技能。本技能仅支持纯音频文件（.mp3、.wav、.m4a、.flac、.ogg）。
• 共提供三种 TTS 模型：Kokoro（默认）、Chatterbox、Qwen3。可通过 --model Chatterbox 或 --model Qwen3 切换模型。
• Kokoro：Voice ID 格式为 {lang}{gender}_{name}；若未指定 --lang，则语言将根据 voice 前缀自动识别。
• Chatterbox：voice 固定为 default，语速固定为 1，支持 22 种语言；文本长度限制为 10–2000 字符。
• Kokoro：文本长度限制为 3–10001 字符；超长文本可能导致请求超时——建议拆分为多个片段分别生成。
• TTS 输出格式默认为 mp3；WAV 文件体积更大，但为无损格式。
• Kokoro：语速 speed 取值范围为 0.5–2.0；超出此范围将触发错误。
• Qwen3 声音克隆（voice-clone.sh）：参考音频时长应为 5–15 秒；过短或过长均会降低克隆质量；支持格式包括 MP3、WAV、FLAC、OGG、M4A；URL 将被自动下载。
• Qwen3 声音设计（voice-design.sh）：生成质量高度依赖 --instruct 所提供的描述。建议提供具体细节，例如：性别、年龄、口音、说话风格、情绪等。
• Qwen3 模型使用完整语言名称（如 English、French），不接受语言代码；当前支持 10 种语言：English、Italian、Spanish、Portuguese、Russian、French、German、Korean、Japanese、Chinese。
• Qwen3 TTS（--model Qwen3）：共提供 9 种声音，默认为 Vivian；中文语言下不支持 Ryan 声音。
• Qwen3 文本长度限制为 10–5000 字符；语速固定为 1；声音克隆与声音设计均使用 voice=default。
• 音频转文字支持本地文件路径或 URL（通过 --audio 指定）；支持格式：AAC、MP3、OGG、WAV、WebM、FLAC；最大文件大小为 10 MB。
• 返回的结果 URL 有效期为 24 小时，请及时下载。

快速示例

# 基础 TTS
bash scripts/text-to-speech.sh --text "Hello world"

# 使用英式发音
bash scripts/text-to-speech.sh --text "Good morning" --voice bf_emma

# 使用 Chatterbox 模型（多语言）
bash scripts/text-to-speech.sh --model Chatterbox --text "Bonjour le monde" --lang fr

# 使用 Qwen3 模型
bash scripts/text-to-speech.sh --model Qwen3 --text "Hello world" --voice Serena --lang English

# 基于样本音频克隆声音
bash scripts/voice-clone.sh --text "Hello, this is my cloned voice" --ref-audio /path/to/sample.mp3

# 提供参考文本以提升克隆准确率
bash scripts/voice-clone.sh --text "Welcome to the show" --ref-audio /path/to/sample.wav --ref-text "This is the original transcript"

# 根据描述定制声音
bash scripts/voice-design.sh --text "Good morning everyone" --instruct "A warm, deep male voice with a slight British accent"

# 使用其他语言进行声音设计
bash scripts/voice-design.sh --text "Bonjour tout le monde" --instruct "A cheerful young female voice" --lang French

# 转录本地或远程音频文件
bash scripts/speech-to-text.sh --audio /path/to/recording.mp3
bash scripts/speech-to-text.sh --audio "https://example.com/podcast.mp3"

完整的声音列表及语言代码详见 references/voices.md。