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
不支持Edge浏览器。 视频素材总大小小于1GB。 同时叠加的视频总数量最多支持2个。 音频格式 音频支持的格式为：MP3、M4A、WAV。 音频要求如下所示： 仅提取单声道音频。 音频素材总大小小于500MB。 图片格式 图片支持的格式为：PNG、JPG、JPEG。 图片要求如下所示：
热词记录ID。 robot_id String 应用ID。 hot_words_type String 热词类型。 说明： SIS:使用的语音识别服务为SIS时选此类型 vocabulary_id String 热词ID(sis中配置)。 sis_project_id String
is_ifly_production Boolean 是否为正式环境 默认取值： false tail_silence_time Integer 语音识别后端点静音时长默认500ms 取值范围： 0-3000 role_id String 奇妙问角色ID。 sis_region Integer
is_ifly_production Boolean 是否为正式环境 默认取值： false tail_silence_time Integer 语音识别后端点静音时长默认500ms 取值范围： 0-3000 role_id String 奇妙问角色ID。 sis_region Integer
购买语音包后试听一直转圈圈是为什么？ 需要检查已购买的第三方声音AK/SK是否配置正确，详见购买出门问问声音套餐。如果配置有误，则无法使用。 父主题： 计费咨询
PROCESSING：数字人的工作状态。数字人会根据直播任务中预置的文本或音频进行直播。 PLAY_PAUSE：数字人直播暂停状态。此时数字人会处于静默状态，等待恢复剧本播放的指令。 TAKE_OVER：真人接管状态。MetaStudio直播服务会获取RTC通道中来自主播端的音频，实时驱动数字人进行直播。 PLAY_END：退出直播任务状态。
基础版声音制作：需整段录制生成一个WAV或MP3格式的音频文件，时长3~10分钟，建议5分钟。 进阶版声音制作：需整段录制生成一个WAV或MP3格式的音频文件，时长10~30分钟，建议15分钟。 高品质声音制作：需整段录制生成一个WAV或MP3格式的音频文件，时长1小时以上，建议1小时。 每种
zh_CN：简体中文（已下线，请使用CN） en_US：英语（已下线，请使用EN） CN：中文 EN：英文 tail_silence_time 否 Integer 语音识别后端点静音时长默认500ms 取值范围： 0-3000 enable_question_audit 否 Boolean 提问文本审核开关
80。 音频 音频录制要求，如下所示： 单声道音频。 清晰人声无背景音乐与杂音。 音频格式要求，如下所示： 支持的格式为：MP3、WAV。 大小不超过20MB，时长不超过5分钟。 文本驱动 文本驱动方式的要求如下所示： 文本输入长度不超过2000字。 通过文本合成的音频时长不能超过5分钟。
文本驱动SSML定义 MetaStudio语音驱动采用语音合成标记语言（SSML，Speech Synthesis Markup Language）来控制数字人的行为，包括动作、情绪以及TTS语音合成的多音字、停顿等。 SSML基础定义可参考语音合成标记语言版本 1.0。Meta
zh_CN：简体中文（已下线，请使用CN） en_US：英语（已下线，请使用EN） CN：中文 EN：英文 tail_silence_time 否 Integer 语音识别后端点静音时长默认500ms 取值范围： 0-3000 enable_question_audit 否 Boolean 提问文本审核开关
用于互动回复。数字人不变时，背景不变。其参数结构定义为“PlayTextInfo”。 音频驱动方式：对应Command命令为“INSERT_PLAY_AUDIO”，即插入驱动音频，用于音频直接驱动。数字人不变时，背景不变。其参数结构定义为“PlayAudioInfo”。 控制数
本次变更如下： 语音合成管理接口组，新增接口：创建TTS异步任务、获取TTS异步任务。 声音制作任务管理接口组，新增接口：查询用户配置的个性化音频时长、设置任务批次。 2024-10-30 第十一次正式发布 本次变更如下： 新增接口组：租户管理。 2024-08-20 第十次正式发布
语音驱动时的动作配置。 audio_drive_file_external_url String 语音驱动音频文件外部下载URL。 说明： 需要先申请开通白名单后，才允许通过外部URL的音频文件来驱动分身数字人视频。 background_config Array of BackgroundConfigInfo
reply_audios 否 Array of ReplyAudioInfo objects 参数解释： 回复音频集。填写audio_url。 约束限制： 不涉及 取值范围： 最大支持5条预置音频。 默认取值： 不涉及 reply_order 否 String 参数解释： 回复话术选择次序。 约束限制：
签，导入使用。 请注意：视频中PPT每页播放的时间如果与对应音频的时长不匹配，需要将完整的PPT视频按页切割成独立的子视频，一一上传至视频制作界面，按场景依次添加使用。添加后的视频支持仅播放一次，或者循环播放，直至音频播报结束。 父主题： 视频制作
界面操作详情，如表1所示。 表1 界面操作说明 区域 说明 声音制作方式 选择“出门问问声音制作”。音频时长为0.5~180分钟，建议5分钟。音频格式为WAV或MP3文件，支持19种语言的声音制作。 音频总时长，建议5分钟；单段不低于5秒 如果剩余次数为0，可单击“立即购买”，参考购买出门问
调整段落在场景中的位置。 ：新增1个空白段落。 图3 开播界面 音频驱动 单击“上传音频”，从本地上传已录制好的音频，如图4所示。 每个音频不能超过100M，支持WAV、M4A和MP3格式，每个场景的音频总时长不能低于1分钟。 开播后会直接播放音频，声音是音频原有声音。用户也可以设置主播和助播的声音，
动解析输入内容。 直播剧本包含下述设置： 剧本驱动 支持下述三种方式任选其一： 文本驱动：输入文本，通过文本驱动数字人说话。 音频驱动：上传音频，通过音频驱动数字人说话。 即兴直播：无需设置剧本，直接开播。开播后数字人是不说话的，需要发送互动内容，或者开启真人接管，驱动数字人说话。
Flexus分身数字人制作任务会同时生成一个Flexus形象和一个Flexus声音，所以也需要提供音频。 单独上传语料包：单独录制音频文件，需要单击下方的“点击上传音频文件”，上传音频。 音频格式支持WAV、MP3，单段音频时长1~5分钟，建议1分钟。语料中的语言仅支持中文和英文。 视频中提取声音：直
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
