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
如果存在请联系技术支持 MSS.47000015 worker join room timeout 请重试，如果失败请联系技术支持 MSS.47000016 join room preprocess task fail 请重试，如果失败请联系技术支持 MSS.47000017 tts
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：MP4、M4V、MKV、MOV、FLV、3GP、WMV、AVI和WEBM。
算法应用场景 分身数字人声音制作算法可以应用于数字人语音合成。在新闻播报、课件制作等场景模拟真人配音，提升数字内容生产效率。 算法目的意图 可以通过有授权的真人语音音频，在预训练模型基础上微调生成数字人声音模型，该模型可用于基于文本合成类似真人音色的数字人语音。
取值范围： TEXT：文本驱动，即通过TTS合成语音。 AUDIO：语音驱动。 NO_PRESET：无预置剧本，人工控制模式。 默认取值： TEXT random_play_mode 否 String 参数解释： 随机播报模式。 约束限制： 从第二轮播报开始随机。
表11 ShootScript 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 TextConfig
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
表7 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
表12 ShootScript 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 TextConfig
取值范围： TEXT：文本驱动，即通过TTS合成语音。 AUDIO：语音驱动。 NO_PRESET：无预置剧本，人工控制模式。 默认取值： TEXT random_play_mode 否 String 参数解释： 随机播报模式。 约束限制： 从第二轮播报开始随机。
修订记录 表1 修订记录 修改时间 修改说明 2025-01-14 本次变更如下： 新增发布3.0.2版本SDK，相比3.0.1版本，变更点如下所示： 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
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
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
常见问题 智能交互SDK安装包里为什么有图片资源？ SDK里面包含图片资源，是因为智能交互的动效、背景可能需要图片资源才能展示更好的效果。所以智能交互Web SDK为了方便用户集成使用，会同时包含UI相关资源。 speechRecognized和semanticRecognized
取值范围： TEXT：文本驱动，即通过TTS合成语音。 AUDIO：语音驱动。 NO_PRESET：无预置剧本，人工控制模式。 默认取值： TEXT random_play_mode String 参数解释： 随机播报模式。 约束限制： 从第二轮播报开始随机。
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
取值范围： TEXT：文本驱动，即通过TTS合成语音。 AUDIO：语音驱动。 NO_PRESET：无预置剧本，人工控制模式。 默认取值： TEXT random_play_mode 否 String 参数解释： 随机播报模式。 约束限制： 从第二轮播报开始随机。
主入口（HwICSUiSdk） 本节介绍Web SDK的接口详情。 表1 接口 接口 描述 三方驱动场景（是否支持） 非三方驱动场景（是否支持） activeInteractionMode 获取当前生效的交互模式（语音问答/文本问答）。 × √ addEventListeners
产品优势 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
查询音色ID 支持在MetaStudio控制台或通过API接口查询音色ID，详情如下所示： 在控制台查询音色ID（方式一）：仅支持查询自定义音色ID。 在控制台查询音色ID（方式二）：支持查询全量音色ID。 使用接口查询音色ID：支持查询全量音色ID。 在控制台查询音色ID（方式一
表8 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
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
