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
VDS_3D：3D视觉驱动 TTSA_3D：3D语音驱动 FLEXUS_2D：flexus版本资源 sub_resource_type String 子资源类型。当前只有flexus套餐包存在该字段 voice_clone_flexus: 语音克隆Flexus版 modeling_co
400 MSS.47010202 语音唤醒SDK资源不存在 语音唤醒SDK资源不存在 确保语音唤醒SDK资源在OBS桶中存在且信息正确 400 MSS.47010203 当前会话无充足的语音唤醒通道资源 当前会话无充足的语音唤醒通道资源 确保有足够的语音唤醒通道资源 400 MSS.47010204
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 否 TextConfig object 讲解词配置。 audio_drive_action_config
model_infos ModelInfo object 数字人模型信息 voice_config VoiceConfig object 语音配置参数。 说明： *此参数将被废弃，请使用voice_config_list。 concurrency Integer 参数解释： 并发路数。
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 如果一个视频包含多场景，可以新增场景依次制作，顺序播放。
参数解释： 图片显示时长，单位s。 显示时长规则为，若携带reply_texts、reply_audios，则与播放语音内容时长保持一致。若未携带，则与匹配的关键词语音内容时长保持一致。 取值范围： 0-3600 默认取值： 0 表23 SmartVideoLayerConfig 参数
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 否 TextConfig object 讲解词配置。 audio_drive_action_config
参数解释： 图片显示时长，单位s。 显示时长规则为，若携带reply_texts、reply_audios，则与播放语音内容时长保持一致。若未携带，则与匹配的关键词语音内容时长保持一致。 取值范围： 0-3600 默认取值： 0 表24 SmartVideoLayerConfig 参数
单击“配置检查”，自动检查当前页签配置是否正确，如果有问题，会给出相应提示。 尾静音时长 云端对音频进行VAD检测，发现一句话末尾的静音时长超过500ms，会结束语音识别。建议该值大于500ms。 图2 获取访问权限 单击“确定”，创建应用，创建效果如图3所示。 可单击“修改”，修改配置。 图3 创建应用
单击“配置检查”，自动检查当前页签配置是否正确，如果有问题，会给出相应提示。 尾静音时长 云端对音频进行VAD检测，发现一句话末尾的静音时长超过500ms，会结束语音识别。建议该值大于500ms。 单击“确定”，创建应用，创建效果如图2所示。 可单击“修改”，修改配置。 图2 创建应用 （可选）单击“对
当前在直播间的宝宝，我们先来抽5个人免费送一波福利！ 今晚的美食专场有饼干，有薯片…还有我也非常喜欢吃的麻辣香锅。 不过数量都比较少，真的要拼手速宝宝们！ 今天直播间会有超级秒杀价，比双11还要便宜哦！ 今天我们的直播时间是8点到12点，宝宝们有任何疑问都可以打在公屏上。 欢迎新进直播间的宝宝们，
照片建模 个 按需 hws.resource.type.metastudio.modeling.stylizedphoto.number - 语音驱动 分钟 按需 hws.resource.type.metastudio.modeling.audiodriving.duration -
定制声音时，从平台下载的授权书中有明确说明，定制音色需授权给公司使用。 操作前准备 用户创建声音制作任务前，需要参考操作步骤准备如下内容： 使用“语料上传”方式上传语音文件前，需参考声音制作页面的“录音指导”，提前录制好音频。 声音授权签署文件，如授权书所示。 操作步骤 登录MetaStudio控制台。
BUSINESS_CARD_2D：分身数字人名片 PICTURE_2D：照片数字人视频 MODELING_3D：3D照片建模 VDS_3D：3D视觉驱动 TTSA_3D：3D语音驱动 FLEXUS_2D：FLEXUS版本资源 请求参数 表3 请求Header参数 参数 是否必选 参数类型 描述 X-Auth-Token
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 object 讲解词配置。 audio_drive_action_config Array of AudioDriveActionConfig objects 语音驱动时的动作配置。
风格化照片建模的照片有什么要求？ 用于风格化照片建模的照片需要符合以下要求： 照片内容要求：正面照，脸部无遮挡。 照片格式要求：jpg/jpeg/png格式照片，最大分辨率为3840*2160。 父主题： 照片建模
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 插入的视频素材支持的格式
参数解释： 图片显示时长，单位s。 显示时长规则为，若携带reply_texts、reply_audios，则与播放语音内容时长保持一致。若未携带，则与匹配的关键词语音内容时长保持一致。 取值范围： 0-3600 默认取值： 0 表23 SmartVideoLayerConfig 参数
剧本封面下载url。 script_type String 脚本类型，即视频制作的驱动方式。默认TEXT TEXT: 文本驱动，即通过TTS合成语音 AUDIO: 语音驱动 text String 台词脚本。 create_time String 创建时间，格式遵循：RFC 3339 如"2021-01-10T08:43:17Z"。
表3 请求Body参数 参数 是否必选 参数类型 描述 hot_words_type 是 String 热词类型。 说明： SIS:使用的语音识别服务为SIS时选此类型 robot_id 是 String 应用ID。 sis_hot_words 是 CreateSisHotWords
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
