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
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
风格化单照片建模 按需 按需 单目视觉驱动路数 包月 包周期 语音驱动时长 按需 按需 单目视觉驱动时长 按需 按需 风格化单照片建模10000次套餐包 按需套餐包 语音驱动10小时套餐包 按需套餐包 语音驱动100小时套餐包 按需套餐包 语音驱动500小时套餐包 按需套餐包 单目视觉驱动免费试用套餐包
2版本SDK，相比3.0.1版本，语音唤醒能力支持设备切换实时生效。 2024-12-30 本次变更如下： 新增发布3.0.1版本SDK，相比2.2.0版本，变更点如下所示： 新增语音唤醒能力，详见Web语音唤醒。 新增接口initResourcePath，支持设置语音唤醒算法以及资源路径，保证正常使用语音唤醒能力。
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 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
00ms，会结束语音识别。建议该值大于500ms。 委托语言交互服务(SIS) 如需使用热词功能，请开启委托授权。SIS服务用于将用户口述音频转换为文本。 热词 仅开启“委托语言交互服务(SIS)”后，才会展示“热词”配置。 数字人与用户进行智能交互对话时，语音识别不准确的专业词
47000016 join room preprocess task fail 请重试，如果失败请联系技术支持 MSS.47000017 tts preheat task fail 请重试，如果失败请联系技术支持 MSS.47000018 package is not a valid
接口参考 主入口（HwICSUiSdk） 事件通知（EventMap） 错误码（ICSError） 授权浏览器麦克风的访问权限 Web语音唤醒 父主题： Web SDK
00ms，会结束语音识别。建议该值大于500ms。 委托语言交互服务(SIS) 如需使用热词功能，请开启委托授权。SIS服务用于将用户口述音频转换为文本。 热词 仅开启“委托语言交互服务(SIS)”后，才会展示“热词”配置。 数字人与用户进行智能交互对话时，语音识别不准确的专业词
speakingStart 数字人开始讲话事件。 × √ speakingStop 数字人结束讲话事件。 × √ speechRecognized ASR对提问进行语音识别后输出为文本的事件。 × √ semanticRecognized LLM对提问进行语义识别后输出回复文本的事件。speechReco
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
00ms，会结束语音识别。建议该值大于500ms。 委托语言交互服务(SIS) 如需使用热词功能，请开启委托授权。SIS服务用于将用户口述音频转换为文本。 热词 仅开启“委托语言交互服务(SIS)”后，才会展示“热词”配置。 数字人与用户进行智能交互对话时，语音识别不准确的专业词
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：
下面，我们为您详细介绍家用机器人在交互创新方面的功能和特点： 162. 语音交互：您只需向机器人发出语音指令，就可以实现各种功能，如查询信息、播放音乐、设定提醒等。 163. 家用机器人还具备语音识别和语音回应功能，让您能够与机器人进行流畅的对话和交流。 164. 视觉交互：家用
计费咨询 MetaStudio有哪些计费项？ 如何购买第三方音色？ 第三方声音AK/SK如何填写？ 购买语音包后试听一直转圈圈是为什么？ 多语言的计费规则？ 如何查看已购声音套餐明细？ 分身形象或声音制作的不好，可以使用原有资源重新制作吗？ 形象制作和声音制作支持退订吗？ 制作好数字人后，可以不购买路数进行直播吗？
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：
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。 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。 文本驱动：通过输入文本，
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
