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
表1 音频录制说明 音频录制 说明 采样率 推荐使用48kHz采样率录制音频。 苹果手机设置简易录音机录音参数的操作如下所示： 打开简易录音机软件，切换至设置“Settings”页面。 选择“Format”，进入“Format”页面。
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。
查询用户配置的个性化音频时长 功能介绍 查询用户配置的个性化音频时长 调用方法 请参见如何调用API。
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。
如果用户在第三方直播平台的直播画面没有声音，需排查是否是OBS工具设置的桌面音频设备与Windows系统的声音输出设备不一致导致。 检查方法如下所示： 检查OBS桌面音频设备 检查Windows系统的声音输出设备 检查OBS桌面音频设备 本地打开OBS视频采集工具。
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。 进阶版：整段录制生成一个WAV或MP3格式音频，总时长10~30分钟，建议15分钟。 高品质：整段录制生成一个WAV或MP3格式音频，总时长1小时以上，建议1小时。
当状态变更为“系统审核完成”，自动启动算法训练。如果系统存在多个算法训练任务，可能会存在排队和延迟的现象，请耐心等待。 确认声音制作任务已训练完成后，在左侧导航栏中，单击“我的创作”。 选择“声音”，找到已生成的声音，单击声音卡片中的头像，即可试听声音效果。 图3 声音
表1 音频文件 版本 类别 原音文件 合成音文件 版本差异 适用场景 基础版声音制作 女声 基础版媒体1.wav 基础版媒体2.wav 支持手机录制20条语料音频（5分钟），1-3天制作，快速获得类真人音色，mos分3.8。
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
在文本输入框中，输入文本内容，以生成音频，如图2所示。 文本示例：今天是9月26日，星期二，天气晴朗，欢迎大家到访。我们精心布置了现场，室内摆放了各类植物和鲜花，场地宽敞明亮，足够大家在室内共同交流和活动。 图2 文本驱动 音频制作完成后，可单击音量图标，调整音频的音量。
可以单击画布区域上方的图标，切换视频画面比例为横屏“16:9”或竖屏“9:16”。 Flexus分身数字人左上角会有标识。未带有标识的数字人均为标准版形象。 需注意Flexus视频制作和标准版视频制作分开计费，从各自的套餐包中扣除费用。
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。
添加动作时需要注意，动作生效需要有足够的音频时间，如果音频太短，数字人可能来不及做动作。 图1 视频制作 父主题： 数字人
请注意：视频中PPT每页播放的时间如果与对应音频的时长不匹配，需要将完整的PPT视频按页切割成独立的子视频，一一上传至视频制作界面，按场景依次添加使用。添加后的视频支持仅播放一次，或者循环播放，直至音频播报结束。 父主题： 视频制作
获取TTS异步任务 功能介绍 该接口用于获取TTS音频文件下载链接。 调用方法 请参见如何调用API。
默认取值： false silence_flag 否 Boolean 异常时是否返回静默音频流 默认取值： false silence_time_ms 否 Integer 异常时返回的静默音频流时长，单位毫秒。
语音文件为一段WAV格式的长音频文件，仅支持将语音文件打包成zip压缩格式上传。 文件上传后，调用“提交语音训练任务”接口，启动审核和训练。 调用方法 请参见如何调用API。
音频驱动方式：对应Command命令为“INSERT_PLAY_AUDIO”，即插入驱动音频，用于音频直接驱动。数字人不变时，背景不变。其参数结构定义为“PlayAudioInfo”。
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。
用户使用时，输入音频流或音频文件。 音频经过安全审核后，进入下一步操作，否则不返回结果。 对音频特征提取后，获取音频特征，再通过算法将音频特征转换为表情基系数。 返回结果数据。 算法应用场景 数字人语音驱动算法可用于短视频制作、直播、交互等场景。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
