name: qiwei-voice

description: 管理企微语音转写与本人声音克隆。用于接收、解码和转写企微语音，初始化本人参考录音，通过云端 IndexTTS2 生成受控客服语气，并在人工确认后发送原生企微语音消息。

企微语音

使用边界

执行以下能力：

下载、保存、解码和转写企微语音；
保存当前企微账号的本人参考录音；
调用云端 IndexTTS2 生成 WAV；
将 WAV 编码为 24kHz 单声道 SILK；
上传媒体并发送原生企微语音。

禁止克隆未明确授权的第三方声音。调用真实发送工具前，先向用户确认接收人、文本和语气。

数据存储

转写运行：outputs/voice/<date>/<time>-transcribe/
声音档案：outputs/voice/profiles/<account-key>/vp_*/reference.wav
克隆运行：outputs/voice/<date>/<time>-clone/
工作台试听：outputs/voice/previews/<account-key>/vpv_*.wav

不同企微账号使用独立声音档案。语音发送成功后保留 speech.wav 供工作台回放；试听文件单独存放，不计入已发送语音。

转写流程

调用 qiwei_transcribe_voice，传入 voiceUrl、filePath 或 base64Audio。Silk 文件先解码，再按配置调用 fmode-listen。voiceUrl 只接受公网 HTTPS 地址，最多重定向 3 次、30 秒超时且音频最大 20MB；本机和内网地址会被拒绝。

声音克隆流程

调用 qiwei_voice_profile_status 检查配置。
调用 qiwei_enroll_voice 保存 5～30 秒本人录音。
确认接收人、文本和语气。
调用 qiwei_send_cloned_voice，同时传入 confirmed=true，生成并真实发送。发送成功后可在工作台消息流中回放该语音。

工作台提供「试听」和「语音发送」：试听只合成 WAV 供本地播放，会计费，不会发给客户；语音发送必须人工确认后，编码 SILK 并走 Fmode /doFileApi + /msg/sendVoice。从待审核草稿发送时传入当前 draftId，仅在企微确认成功后将该草稿结算为 sent。

工作台「转文字」直接展示合成时已保存的原文。不要为已发送的克隆语音再次调用 ASR，也不要因此产生额外模型费用。

tone 默认使用 auto。只使用以下受控语气：

natural：普通说明；
friendly：欢迎、感谢、成功和好消息；
apology：投诉、道歉和服务失误；
empathetic：遗憾、安慰和关怀；
reminder：截止、到期和时间提醒。

保持 use_random=false。自动判断不明确时回退 natural。不要开放愤怒、厌恶、恐惧或强烈悲伤。

上传策略

声音合成通过 Fmode /api/voice/indextts2，并复用技能包的 Fmode Token。只通过 Fmode /api/qiwei/doFileApi 上传本地 SILK；上传失败时直接报错，不使用公网 URL 回源。语音发送请求发生网络结果不确定时不自动重试，避免重复发送。

配置与依赖

QIWEI_VOICE_ENDPOINT：默认 https://server.fmode.cn/api/voice/indextts2；
Fmode 鉴权：自动复用 QIWEI_AUTH_TOKEN、FMODE_API_KEY 或当前 Fmode Studio 的 NewAPI Token；
语音合成按 Fmode 服务端计费规则扣除 Token 额度；
@binsee/wx-voice：SILK 编解码；
@ffmpeg-installer/ffmpeg、@ffprobe-installer/ffprobe：音频标准化和校验。

MCP 工具

qiwei_transcribe_voice
qiwei_voice_profile_status
qiwei_enroll_voice
qiwei_send_cloned_voice

SKILL.md 3.4 KB パーマリンク 履歴 Raw