AI 配音克隆 pinch-eng/dsh-audio-dub

dsh-audio-dub

DSH 视频/音频配音插件 —— 把一段视频或音频配音成另一种语言，并保留原说话人的音色（AI 声音克隆）。中文视频一句话变成英文版本，反之亦然。

License
topic

你：把 ./demo.mp4 配音成英文
Agent：[dub_media] Job 8f3a… — completed
zh → en · duration 154s · cost $1.28 Download: https://…/dubbed.mp4

动机

Agent 已经能处理文本翻译，但"把这个视频做成英文版"一直落在工具链之外：要么手动上传到某个网页，要么自己拼 ffmpeg + ASR + 翻译 + TTS + 对齐。

本插件把整条链路收成一个工具调用：输入本地文件路径或媒体直链，输出配好音的成片下载地址。转写、翻译、声音克隆、时间轴对齐都在服务端完成，Agent 只需要等结果。

安装

装到你的 profile（以 headless 为例，web / tui 同理）：

dsh plugin --profile headless add github:pinch-eng/dsh-audio-dub

安装后插件会自动注册，无需手动编辑 cordis.yml。然后设置 API key（在 portal.startpinch.com 创建，形如 pk_…）：

export PINCH_API_KEY=pk_xxx

试一下：

dsh --profile headless "把 ./demo.mp4 配音成英文"

配置

| 字段 | 类型 | 默认值 | 说明 |
| apiKey | string | process.env.PINCH_API_KEY | API key。建议走环境变量，不要写进 cordis.yml |
| baseUrl | string | https://portal.startpinch.com | 自建/测试环境时覆盖 |
| pollIntervalMs | integer | 15000 | 等待期间的轮询间隔，最小 5000 |

工具声明

dub_media —— 配音

| 参数 | 类型 | 必填 | 说明 |
| source | string | ✅ | 本地文件路径（./talk.mp4）或媒体文件直链。不支持 YouTube / B 站等网页链接，那是页面不是媒体文件 |
| target_lang | string | ✅ | 目标语言，见下表 |
| source_lang | string | | 源语言，默认 auto（自动识别） |
| reduce_accent | boolean | | 让配音更接近目标语言母语发音，代价是音色相似度略降。不填则使用服务端默认值 |
| wait | boolean | | 是否等待完成，默认 true |
| wait_seconds | integer | | 等待预算，默认 600，最大 1800。经验值：留 1–2 倍素材时长 |

本地文件会先流式上传到预签名地址再提交任务——2GB 的 mp4 不会被读进内存。

超出等待预算不算失败：任务在服务端继续跑，返回的 job_id 交给 dub_status 即可。

dub_status —— 查询任务

| 参数 | 类型 | 必填 | 说明 |
| job_id | string | ✅ | dub_media 返回的任务 id |
| wait | boolean | | 是否等待完成，默认 false（只查当前状态） |
| wait_seconds | integer | | 同上 |

dub_languages —— 支持的语言

无参数，本地查表，不联网、不计费。

支持的语言

| 代码 | 语言 | 代码 | 语言 |
| zh | 中文 | pt | 葡萄牙语 |
| en | 英语 | ru | 俄语 |
| es | 西班牙语 | ja | 日语 |
| fr | 法语 | ko | 韩语 |
| de | 德语 | it | 意大利语 |

源语言可额外填 auto 自动识别。

价格与限制

- $0.50 / 分钟（按素材时长计费）
- 单个文件最长 60 分钟、最大 2 GB
- 成片下载链接有效期 48 小时；过期后用 dub_status 重新获取

余额不足时工具返回 insufficient_balance，并附带充值地址，Agent 可以直接把这句话转达给你。

安全模型

- API key 通过 Authorization 请求头发往 baseUrl，不会出现在任何工具返回值里；但工具参数会进入会话日志，请不要把 key 写进 prompt。该 key 只能访问配音相关接口，不能用来创建新的 API key。
- source 为本地路径时读取该文件并上传，除此之外不读写任何文件；网络只访问 baseUrl 及其返回的预签名存储地址。

也可以走 MCP

如果你不想装插件，Pinch 同时提供托管的 MCP server，用官方 mcp-client 桥接即可：

- id: mcp-pinch
name: '@deepseek-ai/dsh-mcp-client'
config:
serverName: pinch
transport: streamable-http
url: https://portal.startpinch.com/api/mcp
headers:
Authorization: !!js Bearer ${process.env.PINCH_API_KEY}

两者的区别：MCP 暴露的是完整 API（含上传、字幕、余额查询等），工具更多更细；本插件是任务导向的三个工具，本地文件直传，返回值针对模型做了裁剪。日常配音建议用插件，需要完整 API 面时用 MCP。

开发

npm install
npm run check # typecheck + test + build

文档

完整的参数说明、语言支持和 API 细节见 startpinch.com/docs。

许可证

MIT