检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
LIVE_2D：分身数字人视频直播 VIDEO_2D：分身数字人视频制作 CHAT_2D：分身数字人智能交互 BUSINESS_CARD_2D：分身数字人名片 PICTURE_2D：照片数字人视频 MODELING_3D：3D照片建模 VDS_3D：3D视觉驱动 TTSA_3D：3D语音驱动
声音和形象制作 部分浏览器提交H265训练视频失败如何处理？ Flexus数字人在走动录制时需要注意什么？
当状态变更为“系统审核完成”，自动启动算法训练。如果系统存在多个算法训练任务，可能会存在排队和延迟的现象，请耐心等待。 确认声音制作任务已训练完成后，在左侧导航栏中，单击“我的创作”。 选择“声音”，找到已生成的声音，单击声音卡片中的头像，即可试听声音效果。 图3 声音
画布制作完成后，再制作语音。 支持下述2种方式生成语音。每个场景仅支持选择一种音频生成方式。 文本驱动 在文本输入框中，输入文本内容，以生成音频，如图1所示。 文本示例：今天是9月26日，星期二，天气晴朗，欢迎大家到访。
表11 ShootScriptDetail 参数 参数类型 描述 script_type String 参数解释： 脚本类型，即视频制作的驱动方式 约束限制： 不涉及 取值范围 TEXT: 文本驱动，即通过TTS合成语音 AUDIO: 语音驱动 默认取值： TEXT text_config
显示时长规则为，若携带reply_texts、reply_audios，则与播放语音内容时长保持一致。若未携带，则与匹配的关键词语音内容时长保持一致。
语音上传：本地录制音频后上传。音频格式需要为WAV或MP3格式，音频大小不超过20MB，时长不超过5分钟。 在线录音：在线录制音频。录音时长不能超过5分钟，为保证音频生成的效果，请保持录音环境安静无噪音。支持试听录制生成的语音。
当状态变更为“系统审核完成”，自动启动算法训练。如果系统存在多个算法训练任务，可能会存在排队和延迟的现象，请耐心等待。 父主题： 声音制作
显示时长规则为，若携带reply_texts、reply_audios，则与播放语音内容时长保持一致。若未携带，则与匹配的关键词语音内容时长保持一致。
权限 权限描述 使用目的 获取麦克风权限 获取浏览器的麦克风设备权限 开始语音交互时，用于进行语音识别文字，获取交互答案 四、延迟初始化要求 为了避免您的应用在未获取用户的同意前SDK提前处理用户的个人信息。
尾静音时长 云端对音频进行VAD检测，发现一句话末尾的静音时长超过500ms，会结束语音识别。建议该值大于500ms。 单击“确定”，创建应用，创建效果如图2所示。 可单击“修改”，修改配置。 图2 创建应用 （可选）单击“对话配置”页签，配置对话，详细操作请参考对话配置。
取值范围： 90-240 默认取值： 140 表9 VoiceConfigRsp 参数 参数类型 描述 voice_asset_id String 语音合成特征字符串 speed Integer 语速。默认值100，最小值50，最大值200。
单击界面右侧的“导入”，弹出“导入训练语料”对话框。 图5 导入训练语料 单击“下载模板”，将语料模板下载至本地。 请按照模板文件的格式，填充完成所有问题分类及其语料对，保存文件。 单击“添加文件”，从本地选择文件，单击“确定”。
具备如下特点： 2D模型，通过拍摄真人视频训练生成 无表情&骨骼数据 只能由AI驱动 使用既定表情&动作 IP型数字人：由计算机图形学技术创造出来的与人类形象高度接近的数字化形象。
表10 ShootScript 参数 是否必选 参数类型 描述 script_type 否 String 参数解释： 脚本类型，即视频制作的驱动方式 约束限制： 不涉及 取值范围 TEXT: 文本驱动，即通过TTS合成语音 AUDIO: 语音驱动 默认取值： TEXT text_config
一个长音频文件无需压缩，可直接上传至MetaStudio控制台，进行声音训练。 父主题： 附录
它可以与您的家居设备无缝对接，让您通过语音控制，轻松完成各种家务活动。 家用机器人是您生活中的最佳助手，它为您带来了更为智能、便捷和舒适的生活体验。 这样的智能生活体验，不仅让您的生活变得更加便利，也让您的家庭更加温馨和谐。
每个段落的文本字符数量需小于2000，如果包含语音合成标记语言SSML标签，需小于3000。 整个直播间所有段落的文本总字符数，如果包含语音合成标记语言SSML标签时，需小于30万。 音频驱动 每个单场景上传音频的时长需大于1分钟，大小不超过100M。
LIVE_2D：分身数字人视频直播 VIDEO_2D：分身数字人视频制作 CHAT_2D：分身数字人智能交互 BUSINESS_CARD_2D：分身数字人名片 PICTURE_2D：照片数字人视频 MODELING_3D：3D照片建模 VDS_3D：3D视觉驱动 TTSA_3D：3D语音驱动
权限 权限描述 使用目的 获取麦克风权限 获取浏览器的麦克风设备权限 开始语音交互时，用于进行语音识别文字，获取交互答案 对未成年人的保护 您承诺在您开始使用本服务时是成年人。如您是未成年人，则需要您的父母或监护人同意您使用本服务并同意相关服务条款。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
