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
确认在线录音结果 功能介绍 确认在线录音结果。 调用方法 请参见如何调用API。
获取在线录音确认结果 功能介绍 获取在线录音确认结果。 调用方法 请参见如何调用API。
选择“开发者 > 开发支持”，进入“开发者在线提单”界面。 单击“开发业务”区域的“数字内容生产线MetaStudio”，进入“开发者在线提单”页面。 请根据界面，输入相应的问题描述和个人联系方式等信息。 单击“提交问题”。 服务会在收到问题单后，联系您处理。 父主题： 产品咨询
选择“开发者 > 开发支持”，进入“开发者在线提单”界面。 单击“开发业务”区域的“数字内容生产线MetaStudio”，进入“开发者在线提单”页面。 请根据界面，输入相应的问题描述和个人联系方式等信息。 单击“提交问题”。 服务会在收到问题单后，联系您处理。 父主题： FAQ
如有多个字，需单击“+”号图标，依次输入各文字的拼音。 图2 新建词表 单击新增特殊词右侧的“确定”，新增成功。 如有更多特殊词，可参考上述步骤依次添加完成。添加完成后，将全局生效，无需在视频草稿中重复设置。 支持在“特殊词表”界面执行下述操作。
备注 1 <prosody rate="50">大家好，我是MetaStudio数字人</prosody> word标签 描述 <word></word>：设置选中文字为连读模式。选中文字只能包含文字，不能有标点符号或者空格等字符。
获取在线录音确认结果
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。
只需要上传文案就可以生成一条真人模特出镜，多语言的口播讲解介绍视频，还支持上传图片、产品视频、企业logo、添加文字贴图背景音乐等编辑功能。 目前已经支持桌面端、移动端安卓iOS都可以直接下载使用。 在九月，还将上线在线端，到时候只需要打开浏览器就可以制作数字人视频。
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，选择声音的方式，生成播报内容。不能超过2000字。 单击声音图标，会弹出声音对话框，可以选择需要使用的声音。
表1 直播间限制 直播间配置 限制 文本驱动 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。
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，选择声音的方式，生成播报内容。不能超过2000字。 单击声音图标，会弹出声音对话框，可以选择需要使用的声音。
单击“在线演示”，可以在界面右侧演示模型对话效果，如图4所示。 图4 在线演示 单击界面右上角的“保存”，在弹出的“保存成功”提示框中，单击“确定”。 角色创建完成。
在线生成SDK代码 API Explorer能根据需要动态生成SDK代码功能，降低您使用SDK的难度，推荐使用。 您可以在API Explorer中，具体API页面的“代码示例”页签查看对应编程语言类型的SDK代码，如图1 获取SDK代码示例所示。
智能交互同时支持数字人主动播报和文本问答两种能力，两者都是通过文字驱动数字人讲话。 区别如下所示： 主动播报：主动播报是直接将sendDrivenText接口传入的文本作为数字人播报内容，来驱动数字人讲话。
图5 文档清洗 表1 参数说明 参数 说明 分段设置 选择文字分段的方式。 包含如下选项： 自动分段：自动对文档进行分段处理。单击“自动分段”，“分段预览”区域会展示自动分段后的文本效果。 手动分段：自定义分隔符和分隔长度的方式，对文档进行分段处理。 索引配置 配置索引的类型。
权限 权限描述 使用目的 获取麦克风权限 获取浏览器的麦克风设备权限 开始语音交互时，用于进行语音识别文字，获取交互答案 四、延迟初始化要求 为了避免您的应用在未获取用户的同意前SDK提前处理用户的个人信息。
图4 视频项目 将鼠标移至卡片的文字描述区域，单击“编辑视频”，如图5所示。 进入视频编辑界面，更新视频内容，重新合成视频。 图5 我的视频 父主题： 视频制作
示例：若想添加文字水印“测试文字水印”，那么text_context的值为：5rWL6K+V5paH5a2X5rC05Y2w 约束限制： 不涉及。 取值范围： 字符长度0-1024位。 默认取值： 不涉及。 font_name 否 String 字体。
多音字 选中文字，设置多音字的正确读音。 全局语速 设置全局语速，取值范围[0.5X,2X]。设置为0.5X时，声音放慢至0.5倍速播放；设置为2X时，声音加速至2倍速播放。 助播 选中一段文字，设置为助播来播报这段内容。 全局声音（主播） 主播全局声音，适用于直播间所有场景。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
