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
如何呈现PPT的动画效果？ 在视频制作界面导入的PPT，不支持展示动画、视频、动图等动态元素。如需展示动态效果，需将PPT导出为视频后，再上传至MetaStudio控制台使用。 PPT转视频的操作如下所示： 本地打开PPT文件，在左上方的导航栏中，选择“文件 > 导出”。 选择创
系统资产标签定义 查询资产列表接口支持使用“tags”标签对分身数字人模型进行分类。 “tags”取值及其含义，如表1所示。 表1 tags标签说明 tags取值类型 说明 数字人类型 取值如下： VIRTUAL_AVATARS：分身数字人 VIRTUAL_HUMANS：虚拟数字人
合成视频二次剪辑后，数字人口型效果变差？ 需要检查二次剪辑软件的视频帧率。因为数字人合成视频的帧率为25，如果用户使用软件的帧率为30，需要插帧至数字人视频中，才能达到30，这样就导致插帧后的口型对不上了。所以用户对视频进行二次剪辑时，帧率必须设置为25的整数倍，才不会影响数字人的口型效果。 父主题：
TTS语音合成时，控制文字读音。 包含如下标签： <speak></speak>标签为SSML文本根节点。 <break/>标签用于静音停顿，可设置停顿时长。 <phoneme></phoneme>标签，用于标记多音字发音。 <say-as></say-as>标签用于指定数字或英文的读法。 <
形象制作和声音制作支持退订吗？ 形象制作和声音制作均为一次性计费产品，不支持退订，用户购买前需谨慎评估。 如果是软件问题导致模型效果不理想，可提交工单申请退订产品。产品经理会对实际情况进行核实，对满足条件的发起特殊退订操作。 父主题： 计费咨询
客户声音制作案例 单击声音样例.zip，下载如表1所示的音频文件。 mos分是从音色相似度、情感表达效果和声音音质方面，进行整体效果综合评分的结果。 表1 音频文件 版本 类别 原音文件 合成音文件 版本差异 适用场景 基础版声音制作 女声 基础版媒体1.wav 基础版媒体2.wav
}); 表1中导入的图片使用SDK默认方式时，在智能交互页面的展示效果，如图1所示。 图1 SDK默认方式展示效果 富媒体展示效果（自定义方式） 用户与数字人进行智能交互的页面，默认为用户需要自定义富媒体的展示效果，即用户自定义UI界面展示。 通过注册事件通知semanticRe
不能超过32字符。 职称 必填项，数字人职称。 右侧界面的预览效果就是数字人名片的实际生成效果，请输入适量的字符，以确保正常的展示效果。 公司 必填项，数字人公司。 内容较多时，最多支持在名片中分2行展示，超出2行后，默认不展示。为保证名片的效果展示，请保持合理的输入长度。 联系电话 必填项，数字人联系电话，请输入有效的联系方式。
件。 请选择声音性别 选择声音的性别，示例：女生。 原始输入语言 选择上传语料所使用的语言，示例：中文。 选择声音标签 声音的标签。请根据所选文案样例，选择相应的标签，如下所示： 营销：营销宣传风格文案 新闻：新闻播报风格文案 声音授权 单击“授权书模板”，下载授权书模板后打印。
M。 说明： 在视频制作界面，如果添加视频，且视频格式为FLV、3GP、WMV、AVI时，无法展示视频播放效果，仅能图片展示。这是浏览器不兼容导致的，但是不影响视频合成效果。视频合成后，这些插入的视频可以正常播放和展示。 插入的视频素材，要求如下所示： 分辨率最大支持1080P。
使用纯文本，示例：大家好，我是人工智能小A，是位虚拟主播。 标签模式 标签模式使用SSML（Speech Synthesis Markup Language）标记语言。 需要使用的标签，如下所示： <speak>：此标签为所有文本的根节点。一切需要调用SSML标签的文本，都要包含在<speak> </speak>标记对中。
如果未使用服务预置文案，声音标签仅作为标签，来区分声音使用场景。 请选择声音性别 声音的性别，用于匹配声音模型的精准度。 如下所示： 男生 女生 原始输入语言 上传语料所使用的语言。 包含如下语言： 中文 英文 须知：当前参数配置仅作为标识，对训练结果没有任何影响。 选择声音标签 声音的标签。作用为选择声音时，快速筛选领域。
如果数字人形象采集时，面向镜头有行走、倒退或抛接物体等行为，建议数字人视频输出时长不超过2分钟，否则可能会因为MetaStudio动作循环逻辑，导致视频效果不佳。 父主题： 声音和形象制作
每个单场景中所有段落输入文字的总量需大于200字。 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。 视频格式
兰语。 粤语 选择声音标签 声音的标签。作用为选择声音时，快速筛选领域。 包含如下选项： 新闻 营销 针对上述标签，MetaStudio服务预置了相应的文案内容，如文案样例（基础版）、文案样例（进阶版）和文案样例（高品质）所示。如果使用预置文案，必须选对标签。 请输入试听文本 请
拍摄真人视频 您好！欢迎使用华为云数字人服务，本指南将协助您完成分身数字人形象的采集工作。 请注意，分身数字人形象制作的效果与您的录制效果有较大关联，为了获取更好的数字人效果，我们建议您使用以下标准进行拍摄。 以下是数字人拍摄标准概览，但是我们也建议您详细阅读每一块具体内容： 拍摄规格
获取项目ID 获取账号ID 直播控制HTTP Command命令说明 直播控制RTSA Command命令说明 文本驱动SSML定义 系统资产标签定义 服务支持的字体 资源类型 使用Java代码生成文件内容的MD5值 预置音色ID列表 查询音色ID
查看详情”，进入“定制任务详情”页面。 审核通过后，任务状态变更为“算法训练中”，如图1所示。 单击右上角的“编辑”，可以为数字人添加标签。标签添加完成后，单击“保存”，保存修改。 图1 数字人定制任务 数字人模型会在3个工作日内训练完成。训练完成后的任务状态更新为“算法训练完成”，如图2所示。
单击“图片”，进入“图片上传”页面，如图3所示。 请根据实际情况，配置下述信息： 资产标题：图片的标题。 图片简介：图片的基本介绍，方便了解和使用。 风格：关键词标签，方便用户搜索此类型的资产。 基本信息：图片的用途。 图3 上传图片 单击“图片上传”区域，从本地选择需要上传的图片资产。 单击界面右上方
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。 单击“发布设置”页签，参考表2配置参数。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
