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
获取训练视频已上传分片信息 CONFIRM_REPAIR:用户发起优化模型请求 CONFIRM_MULTIPART_UPLOADED：确认训练视频所有分片文件已上传 GET_ACTION_VIDEO_MULTIPART_UPLOADED：获取动作编排视频分片上传地址 CONFI
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 获取在线录音确认结果
第一次单击可折叠“文本驱动/视频驱动”，第二次单击后恢复展示。 音频驱动 需从本地上传已录制好的音频。音频文件格式需要为WAV、MP3或M4A，大小不能超过100M。 可单击“导入”上传音频，也可以直接拖拽本地音频文件至提示区域中，完成上传。单击左侧的图标，可试听音频效果。如果音频效果不佳，可以单击“导入”，覆盖更新音频。
碰或者突然忘词，没关系，都可以不停顿继续录制。 在完成4-5分钟的演讲后，我们需要将视频整段上传到MetaStudio平台，如果您想要美化自己的形象，可以先对视频进行适度美颜和调色后再上传，但不要对视频的长度进行任何的剪辑。 好了，这些就是拍摄时需要注意的主要事项了，如果现在摄影
数字人形象生成完成。 如果训练生成的数字人形象不满足需求，单击右下方的“驳回”，进入“问题填写”界面。 输入“问题标题”、“问题描述”，并上传相应的附件，如更新后的绿幕视频文件等内容。如果存在多个问题，可以单击界面右上角的“添加问题”，增加多个问题描述。问题全部添加完成后，单击“确认”，等待服务管理员处理。
CREATING：文件上传中 CREATED：文件已上传（自动审核通过） FAILED：文件上传失败 CANCELLED：文件上传已取消 DELETING：文件删除中 DELETED：文件已删除 UPLOADED：文件已上传（尚未审核） REVIEW：人工审核（文件已上传） BLOCK：冻结
复制当前段落，新增一个相同段落。 ：删除段落。 ：调整段落在场景中的位置。 ：新增1个空白段落。 图3 开播界面 音频驱动 单击“上传音频”，从本地上传已录制好的音频，如图4所示。 每个音频不能超过100M，支持WAV、M4A和MP3格式，每个场景的音频总时长不能低于1分钟。 开播
的创作 > 分身名片”页面。 用户在控制台进行智能交互操作，生成的对话项目和技能，会展示在“我的创作 > 智能交互”页面。 一类是通过本地上传或者接收资产管理员转移的资产生成的，会展示在“我的创作 > 资源”页面。 父主题： 资产管理
提升数字内容生产效率。 算法运行机制 训练阶段： 用户上传一段真人语音音频及授权书作为输入。 音频经过人工安全审核和授权认证后，由训练人员标注用于训练的音频数据，使用深度学习算法训练生成数字人声音模型。 推理阶段： 用户上传一段文本作为输入文本内容，由系统自动审核。 输入文本使用数字人声音模型推理生成数字人语音。
本支持插入停顿、调整语速，如果是多音字可设置正确的发音，还可以选择不同的声音，试听生成的音频效果。支持开启字幕展示功能。 音频驱动：从本地上传音频文件，作为视频的语音。音频驱动方式，仅支持中文普通话的场景下能开启字幕。 还可以设置音频的音量，和调整画布的横竖屏展示。 4 视频场景区域
自动解析输入内容。 直播剧本包含下述设置： 剧本驱动 支持下述三种方式任选其一： 文本驱动：输入文本，通过文本驱动数字人说话。 音频驱动：上传音频，通过音频驱动数字人说话。 即兴直播：无需设置剧本，直接开播。开播后数字人是不说话的，需要发送互动内容，或者开启真人接管，驱动数字人说话。
选择“文本回复”，输入文本内容，当满足触发方式时，数字人会阅读文本内容。 素材绑定（可选） 从本地选择图片或视频上传。当直播间命中当前互动内容进行答复时，同时会在直播画面展示这里上传的图片或视频。 无需设置。 单击“保存”，一条互动规则新增完成。 用户可以根据实际情况，为当前互动库增加更多的互动规则，或者增加更多的互动库。
秒的演讲过程。 允许使用中文、英文录制。 录制全程眼睛需注视镜头，周围环境保持安静，脸部光照明亮且均匀。 拍摄完成后不要剪辑，整个视频一起上传至MetaStudio控制台。 注意事项 避免头部大幅度转动或者摆动，避免嘴巴被遮挡，可能造成口型异常。 视频中需保证仅出现录制者及其声音
智能交互驱动流程 流程图示例 用户与数字人进行智能交互的流程图示例，如下所示，对应流程的详细说明，如流程图总体说明所示。 智能交互非流式驱动流程图，如图1所示。 智能交互流式驱动流程图，如图2所示。 智能交互驱动打断对话流程图，如图3所示。 智能交互驱动停止对话流程图，如图4所示。
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 插入的视频素材支持的格式为：MP4、M4V、MKV、MOV、FLV、3GP、WMV、AVI和WEBM。
用户输入的数字人名片信息。实际可以填写哪些字段取决于名片模板。 card_image_config 是 BusinessCardImageConfig object 用户上传的用于制作数字人名片的图片。 introduction_type 否 String 自我介绍驱动方式。 TEXT: 文本驱动，即通过TTS
用户输入的数字人名片信息。实际可以填写哪些字段取决于名片模板。 card_image_config 是 BusinessCardImageConfig object 用户上传的用于制作数字人名片的图片。 introduction_type 否 String 自我介绍驱动方式。 TEXT: 文本驱动，即通过TTS
导购、文旅导览、智能问答、营业厅客服等。 注意： 数字人回答的内容，是由对接的第三方大模型或知识库返回的答案决定的。 资产管理 支持从本地上传模型、PPT、动画、素材、视频、场景、图片、音乐等资产。 支持转移声音和模型资产给其他租户使用。 此功能暂未对外开放，如需使用，需提交工单申请。
用于语音驱动的音频文件上传URL。 表26 ShootScriptAudioFileItem 参数 参数类型 描述 sequence_no Integer 剧本序号。 取值范围： 0-2147483647 audio_file_upload_url String 语音驱动音频文件上传URL。创
ML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。 视频格式 视频支持的格式为：MP4、M4V、MKV、MOV、FLV、3GP、WMV和AVI。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
