voice-changer Skill

概述

voice-changer 是一个音频变声处理 skill，可以将音频转换为不同的声音效果（如女声、男声、童声等）。

功能特性

• 🎵 多种声音预设: 支持女声、男声、童声等多种预设
• ⚡ 快速处理: 使用 FFmpeg 进行音高调整，处理速度快
• 🔧 灵活配置: 支持自定义音高调整参数
• 🎯 简单易用: 命令行一键调用
• 🔌 模块化设计: 可被其他 skills 调用集成

技术方案

当前实现: Simple 方法（FFmpeg 音高调整）

优点: - 无需额外模型，依赖少 - 处理速度快（接近实时） - 资源占用低

原理: 使用 FFmpeg 的 asetrate + aresample + atempo 滤镜组合： 1. 调整采样率改变音高 2. 重采样恢复原采样率 3. 调整播放速度保持时长不变

适用场景: - 快速变声需求 - 资源受限环境 - 批量处理

未来扩展: RVC 方法（AI 模型）

优点: - 音质更自然 - 可以真正"克隆"声音 - 支持跨语言

缺点: - 需要额外模型（50-200MB） - 处理速度较慢 - 需要 GPU 加速

目录结构

voice-changer/
├── SKILL.md              # 本文档
├── README.md             # 使用说明
├── scripts/
│   └── voice_change.py   # 核心变声脚本
├── config/
│   └── voice_config.json # 声音配置文件
└── models/               # AI 模型目录（未来使用）

依赖要求

必需依赖

• Python 3.8+
• FFmpeg 4.0+
• FFprobe

可选依赖（RVC 方法）

• PyTorch
• librosa
• soundfile
• RVC 相关库

配置说明

voice_config.json 结构

{
  "method": "simple",
  "voices": {
    "female_1": {
      "name": "女声 1（轻柔）",
      "pitch_shift": 5,
      "description": "音调提高 5 个半音"
    }
  },
  "default_voice": "female_1"
}

参数说明

• method: 处理方法（simple 或 rvc）
• pitch_shift: 音高调整（半音）
• 正值: 提高音调（女声效果）
• 负值: 降低音调（男声效果）
• 范围: -12 到 +12

使用方法

1. 独立使用

# 基本用法（使用默认女声）
python3 ~/.claude/skills/voice-changer/scripts/voice_change.py input.mp3

# 指定声音类型
python3 ~/.claude/skills/voice-changer/scripts/voice_change.py input.mp3 -v female_2

# 指定输出文件
python3 ~/.claude/skills/voice-changer/scripts/voice_change.py input.mp3 -o output.mp3

# 自定义音高
python3 ~/.claude/skills/voice-changer/scripts/voice_change.py input.mp3 -p 7

# 查看帮助
python3 ~/.claude/skills/voice-changer/scripts/voice_change.py --help

2. 在其他 Skills 中调用

import subprocess

def change_voice(input_audio, voice_type='female_1'):
    """调用 voice-changer skill"""
    script_path = os.path.expanduser(
        '~/.claude/skills/voice-changer/scripts/voice_change.py'
    )

    output_audio = input_audio.replace('.mp3', '_voice_changed.mp3')

    cmd = [
        'python3', script_path,
        input_audio,
        '-v', voice_type,
        '-o', output_audio
    ]

    result = subprocess.run(cmd, capture_output=True, text=True)

    if result.returncode == 0:
        return output_audio
    else:
        print(f"变声失败: {result.stderr}")
        return input_audio

预设声音列表

性能指标

Simple 方法

• 处理速度: ~1-2x 实时率
• 内存占用: < 100MB
• CPU 占用: 中等

示例（14 分钟音频）

• 输入: 14MB MP3
• 处理时间: ~7-14 秒
• 输出: 14MB MP3

集成示例

与 audiocut-keyword 集成

# 先过滤关键字，再变声
python3 ~/.claude/skills/audiocut-keyword/scripts/audiocut_keyword.py input.mp3 --change-voice female_1

与 youtube-to-xiaoyuzhou 集成

# YouTube 下载 + 过滤 + 变声 + 发布
python3 ~/.claude/skills/youtube-to-xiaoyuzhou/youtube_to_xiaoyuzhou.py \
  https://youtu.be/xxxxx \
  --filter-keywords \
  --change-voice female_1 \
  --schedule "2026-01-20 18:00"

注意事项

1. 音质损失: 音高调整会带来一定的音质损失，调整幅度越大损失越明显
2. 处理时间: 长音频处理需要一定时间，建议先用短音频测试
3. 文件格式: 支持常见音频格式（MP3, WAV, M4A 等）
4. 版权问题: 请确保有权对音频进行处理和使用

故障排除

问题 1: FFmpeg 未安装

# macOS
brew install ffmpeg

# Ubuntu/Debian
sudo apt-get install ffmpeg

问题 2: 音质不理想

• 尝试调整 pitch_shift 参数
• 使用更小的调整幅度
• 考虑使用 RVC 方法（需额外配置）

问题 3: 处理速度慢

• 检查 CPU 占用
• 减少同时处理的文件数量
• 考虑使用更短的音频片段

未来计划

• [ ] 集成 RVC 模型支持
• [ ] 添加更多音效（回声、混响等）
• [ ] 支持批量处理
• [ ] 添加 GUI 界面
• [ ] 支持实时变声

参考资料

• FFmpeg 音频滤镜文档
• RVC 项目
• 音高与频率关系