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
数字人语音的一种技术。 其基本情况包括： 输入数据：真人语音音频 。 算法原理：通过深度学习算法，学习真人语音音频生成数字人声音模型，通过该模型，输入文本生成数字人语音。 输出结果：接近真人音色的数字人语音。 应用领域：分身数字人声音制作算法可以应用于数字人视频合成时的语音配音。
lt> 【功能说明】 切换交互模式（语音问答/文本问答）。 【请求参数】 表8 InteractionModeParam 参数 是否必须 默认值 类型 描述 interactionMode 否 AUDIO AUDIO TEXT 交互模式，语音交互还是文本交互。 【返回参数】 见：表2
选择“分身名片”页签，如图1所示。 在“分身名片”页面，可以看到已生成的名片列表，以卡片形式排列展示。 支持对名片进行如下操作： 单击，查看分身数字人的语音表达形态。 单击“下载”，将名片下载至本地查看。下载后的文件为mp4格式。 单击，在弹出的下拉框中，可查看名片详情、重命名或删除名片。 图1
购买出门问问语音合成套餐包。 标准版视频制作：必须使用标准版形象，声音不支持使用Flexus声音。 按视频制作时长计费，计费项为“分身数字人视频制作”，详见计费说明。 系统声音免费使用。第三方声音的计费方式，详见购买出门问问语音合成套餐包。 画布制作完成后，再制作语音。 支持下述
剧本封面下载url。 script_type String 脚本类型，即视频制作的驱动方式。默认TEXT TEXT: 文本驱动，即通过TTS合成语音 AUDIO: 语音驱动 text String 台词脚本。 create_time String 创建时间，格式遵循：RFC 3339 如"2
分身数字人费用：包括分身数字人形象制作、声音制作、分身数字人视频制作、分身数字人视频直播、照片数字人视频制作和分身数字人名片制作的费用。 3D数字人费用：包括照片建模、语音驱动和视觉驱动的费用。 资产管理费用：即服务资产管理的费用。 MetaStudio的计费详情，请参考计费说明。 父主题： 产品咨询
声音制作任务管理 查询用户配置的个性化音频时长 创建基础版语音训练任务 创建进阶版语音训练任务 创建高级版语音训练任务 查询语音训练任务列表 提交语音训练任务 查询语音训练任务详情 删除语音训练任务 查询任务操作日志 获取语音文件上传地址 获取语音训练任务审核结果 设置任务批次 确认在线录音结果
控制台自助服务，一站式快速生成所需内容 用户申请账号并上传相关授权，拍摄训练所需音视频素材，上传进行模型训练，生成自定义形象和声音。选择背景、声音、模特等内容，基于文本或语音智能驱动，实现视频制作、视频直播、智能交互等能力。 华为云盘古数字人大模型，赋能千行百业数字化营销新模式 MetaStudio服务依托华为
单击“确认”，头像上传完成。 性别 选择性别“男生”或“女生”。 声音 提供下述种方式，生成名片预览语音片段。 播报内容生成后，单击右侧的“试听”，可以试听播报效果。 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。
真人声音录制 客户录制真人音频，上传至MetaStudio进行AI训练，即可得到和真人音色1:1复刻的声音模型。 声音模型可实现文本转语音，应用于数字人视频制作、直播、交互问答等场景中。不同版本录制规格如下： 基础版：整段录制生成一个WAV或MP3格式音频，总时长3~10分钟，建议5分钟。
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。
2022年12月 序号 功能名称 功能描述 阶段 相关文档 1 数字内容生产线服务上线（受限公测） MetaStudio依托图形引擎和空间引擎两大媒体引擎，提供3D模型制作（Creator）、资产管理（Store）、内容编辑（Editor）、物理仿真（Simulation）、云渲染
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 TextConfig object 讲解词配置。 audio_drive_action_config
3D数字人 3D数字人风格管理 3D数字人风格化照片建模 3D数字人语音驱动 3D数字人视频驱动
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 否 TextConfig object 讲解词配置。 audio_drive_action_config
一个视频草稿的场景数量不能超过50个。 文本驱动 每个单场景输入文字的数量不超过1万字。 所有场景输入文字的数量不超过10万字。 每个单场景如果包含语音合成标记语言SSML标签，文字数量需小于128K。 音频驱动 每个单场景上传音频的大小不超过100M。 视频格式 插入的视频素材支持的格式为
条新返回了“饭了么”，则第二条text值为“饭了么”，需要将两条通知的text值拼接在一起才是完整的内容。 文本问答的用法 智能交互默认是语音问答，如需使用文本问答，需要切换模式。可以通过下述2种方式处理： 在开始对话时设置。使用startChat接口开启对话时，设置成文本问答模式，如下所示：
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 TextConfig object 讲解词配置。 audio_drive_action_config
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 否 TextConfig object 讲解词配置。 audio_drive_action_config
play_pause：数字人暂停剧本播放，并保持静默状态。 play_resume：数字人恢复剧本播放。 voice_start：启动数字人实时语音播放。 voice_end：结束数字人实时语音播放。 “timing”为直播控制指令执行的时间，取值如下所示： NOW：立即执行指令。 SENTENCE_END：
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
