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
通过API上传的视频和图片素材，为啥视频制作时不可见？ 通过API上传的图片和视频，如果在视频制作时不可见，是因为上传资产时未设置system_properties属性，如下所示： 资产类型是IMAGE时，通过system_properties来区分背景图片（BACKGROUND
贴图支持动态图片吗？ 不支持。目前仅支持上传PNG、JPG、JPEG和BMP格式的图片文件，不支持GIF等动态图片格式。 父主题： 视频制作
创建进阶版语音训练任务 功能介绍 用户创建语音训练进阶版任务，该接口会返回一个obs上传地址，用于上传语音文件。 支持2种方式上传语音文件： 语音文件和文本文件打包成zip上传：语音文件已经切分成100个wav文件，每个语音文件对应一个txt文本文件，所有文件打包成zip文件。语音文件命名规则：0
创建基础版语音训练任务 功能介绍 用户创建语音训练基础版任务，该接口会返回一个obs上传地址，用于上传语音文件。 支持2种方式上传语音文件： 语音文件和文本文件打包成zip上传：语音文件已经切分成20个wav文件，每个语音文件对应一个txt文本文件，所有文件打包成zip文件。语音文件命名规则：0
上传图片时提示像素超标怎么办？ 图片像素不是文件大小，如果用户仅修改图片大小，控制台还会继续提示像素超标。 上传图片的长宽需要至少满足下述一个条件： (width <= 2160) & (height <= 3840) (width <= 3840) &(height <= 2160)
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通知的流式返回有什么差异？
需提前准备一张正面清晰且无遮挡的数字人形象照片，并满足如下要求： 图片格式：png、jpg、jpeg、webp。 单击“查看示范”，查看正确示范和错误示范。 界面操作如下所示： 单击“头像区域”，从本地选择分身数字人头像图片。 在弹出的“头像调整”对话框中，可以调整图片大小和图片位置。 单击“确认”，头像上传完成。
文本驱动SSML定义 MetaStudio语音驱动采用语音合成标记语言（SSML，Speech Synthesis Markup Language）来控制数字人的行为，包括动作、情绪以及TTS语音合成的多音字、停顿等。 SSML基础定义可参考语音合成标记语言版本 1.0。MetaSt
0ms，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汇
0ms，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汇
0ms，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汇
音频支持的格式为：MP3、M4A、WAV。 音频要求如下所示： 仅提取单声道音频。 音频素材总大小小于500MB。 图片格式 图片支持的格式为：PNG、JPG、JPEG。 图片要求如下所示： 分辨率最大支持1080P。 图片素材总大小小于500MB。 字幕 字幕中正常断句的符号，如中文符号、，。：；！？…..
上传后的背景图片不支持修改。如需修改图片内容，需本地修改完成后，再上传至控制台使用。 图2 背景界面 背景界面说明，如表2所示。 表2 界面元素说明 界面元素 说明 本地导入 单击“本地导入”，从本地选择PNG、JPG、JPEG和BMP格式的图片上传。也可直接将图片拖拽至图片列表区域。
一个视频制作剧本，仅支持使用一个数字人模型和一个音色模型。 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
45000012 图片数量超限 用户上传前景图片数量超过限制，目前是100张 要求用户减少图片数量 400 MSS.45000013 图片格式错误 用户上传的图片格式不支持 要求用户修改图片格式 400 MSS.45000014 图片解析失败 用户上传前景图片中有无法解析的图片 要求用户替换有问题的图片
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，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ini
该接口用于在资产库中添加上传新的媒体资产。可上传的资产类型包括：分身数字人模型、背景图片、素材图片、素材视频、PPT等。 资产类型是IMAGE时，通过system_properties来区分背景图片（BACKGROUND_IMG）、素材图片（MATERIAL_IMG）。 资产类型是VIDEO时，通过s
Promise<void> 【功能说明】 初始化语音唤醒资源，不使用语音唤醒能力则忽略该接口。 3.0.1之后的websdk包里面有如下两个资源文件，如果不使用语音唤醒，可忽略这两个文件。 wasmData.js：语音唤醒的算法资源文件。 modelData.js：语音唤醒的模型资源文件。 SDK内
场景、图片和音乐资产。 图2 上传资产 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
√ jobInfoChange 交互任务信息变更事件。 √ √ 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
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
