melo-tts-metadata-creator
为MeloTTS训练自动生成metadata.list文件
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：melo-tts-metadata-creator。 它的用途是：为MeloTTS训练自动生成metadata.list文件 完整的 Skill 内容见：https://321skill.com/skills/melo-tts-metadata-creator-x-5/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'帮我为MeloTTS训练生成metadata.list，我的wav文件在audio/目录，txt文件在transcripts/目录，多音色模式。' 它会自动扫描audio/下的子目录，将每个子目录名作为speaker，匹配transcripts/中同名txt，生成包含音频路径、speaker、语言和文本的metadata.list文件。如果某些音频没有对应txt，还会自动调用Whisper进行语音转写并填入。
介绍
该Skill解决MeloTTS训练或微调时数据准备环节的痛点：手动组织音频与转录文本、生成符合格式要求的metadata.list既耗时又容易出错。用户只需提供wav音频文件和对应的txt转录文本，无论是放在同一目录还是不同目录，Skill都能自动扫描并生成规范的文件。
使用方式非常简单：指定音频目录和文本目录（可选），Skill会递归遍历文件，匹配同名的wav和txt，自动按照MeloTTS官方格式输出metadata.list。支持单音色与多音色模式：多音色时自动以第一级子目录名作为说话人ID；单音色时可通过—speaker参数手动指定。如果缺少txt文件，Skill会自动调用Whisper进行语音转写，支持中文、英文等多种语言。
适合需要快速构建MeloTTS训练数据集的学术研究者、内容创作者和数据分析师。无论是语音合成研究、有声书制作还是虚拟主播项目，都能大幅减少手动整理元数据的工作量。
使用建议：请确保音频文件为16kHz或22kHz采样率的单声道wav格式，命名规范且与txt文件完全一致（不含扩展名）。多音色模式下目录结构需为：根目录/子目录名（说话人）/音频文件。首次使用Whisper转录需联网下载模型，后续可离线。
核心特点
同类工具通常只处理同目录下的wav与txt，或要求手动填写speaker信息；本Skill支持跨目录匹配、自动提取多音色说话人、无txt时自动调用Whisper转录，一步到位生成符合MeloTTS最新格式的metadata.list。
注意事项
不适用于非标准采样率或格式的音频（如mp3、立体声），且Whisper转录的准确率受音频质量影响，需人工校对关键内容。
常见问题
支持哪些语言？
Whisper支持中文、英文、日文、韩文等多种语言，可通过--language参数指定。
音频和txt文件必须放在同一目录吗？
不必须，可通过--wav_dir和--txt_dir分别指定，两个目录需保持相同的子目录结构。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/melo-tts-metadata-creator-x-5/raw/index.md 读取 melo-tts-metadata-creator 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/melo-tts-metadata-creator-x-5/raw/index.md（查看排版版本）