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
播报内容生成后，单击右侧的“试听”，可以试听播报效果。 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。 文本驱动：通过输入文本，
3D数字人 3D数字人风格管理 3D数字人风格化照片建模 3D数字人语音驱动 3D数字人视频驱动
前提条件 需要申请开通智能交互权限后，才可集成智能交互SDK，并使用Websocket接口驱动数字人。 父主题： 智能交互驱动
数字人 数字人支持换脸吗？ 数字人支持换衣服吗？ 数字人支持添加动作吗？ 数字人说话是文本驱动还是语音驱动？ 数字人支持提供语义理解知识库吗？ 数字人支持TTS和ASR吗？
应用示例 示例1：上传资产 示例2：分身形象制作管理 示例3：声音制作任务管理 示例4：语音合成管理 示例5：视频制作 示例6：视频制作剧本管理 示例7：视频直播 示例8：视频直播对接实时音视频客户端SDK 示例9：资产管理 示例10：数字人名片制作 示例11：智能交互
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 LLM对提问进行语义识别后输出回复文本的事件。speechReco
如果还需要制作更多场景，可单击“场景”区域的“+”图标，新增场景。制作过程参考第一个场景即可。 图3 场景区域 所有场景设置完成后，单击界面右上角的“合成视频”，弹出“合成设置”对话框。 参数设置说明如下所示： 分辨率：根据实际情况，选择视频的分辨率。 导出为：输入导出文件的名称。 画质增强：开启
play_pause：数字人暂停剧本播放，并保持静默状态。 play_resume：数字人恢复剧本播放。 voice_start：启动数字人实时语音播放。 voice_end：结束数字人实时语音播放。 “timing”为直播控制指令执行的时间，取值如下所示： NOW：立即执行指令。 SENTENCE_END：
String 自我介绍驱动方式。 TEXT: 文本驱动，即通过TTS合成语音。文本驱动需要填写introduction_text和voice_asset_id参数。 AUDIO: 语音驱动，需要在资产库中先上传语音资产。语音驱动需要填写introduction_audio_asset_id参数。
String 自我介绍驱动方式。 TEXT: 文本驱动，即通过TTS合成语音。文本驱动需要填写introduction_text和voice_asset_id参数。 AUDIO: 语音驱动，需要在资产库中先上传语音资产。语音驱动需要填写introduction_audio_asset_id参数。
计费咨询 MetaStudio有哪些计费项？ 如何购买第三方音色？ 第三方声音AK/SK如何填写？ 购买语音包后试听一直转圈圈是为什么？ 多语言的计费规则？ 如何查看已购声音套餐明细？ 分身形象或声音制作的不好，可以使用原有资源重新制作吗？ 形象制作和声音制作支持退订吗？ 制作好数字人后，可以不购买路数进行直播吗？
String 参数解释： 回复类型。 约束限制： 不涉及 取值范围： SYSTEM_REPLY：系统自动回复预先设置的话术。 CALLBACK：回调给其他服务，携带设置的话术。 SHOW_LAYER：仅显示叠加图层，不影响话术。 INTELLIGENT_REPLY：使用配置的大模型生成回复话术。
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。 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。
操作前提 前提条件 需要申请开通智能交互权限后，才可集成智能交互SDK使用。 WebSDK使用限制 由于浏览器的安全策略限制，仅支持通过“https://域名”方式访问，否则无法正常加载运行智能交互WebSDK。 父主题： 智能交互客户端SDK
文本驱动：通过输入文本的方式生成音频。文本支持插入停顿、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
用于制作数字人名片的图片下载URL。 introduction_type String 自我介绍驱动方式。 TEXT: 文本驱动，即通过TTS合成语音 AUDIO: 语音驱动，需要在资产库中先上传语音资产 默认取值： TEXT introduction_text String 自我介绍文本，用于驱动数字人口型。 voice_asset_id
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。
前提条件 需要申请开通智能交互权限后，才可以使用分身数字人智能交互功能。 智能交互对硬件设备的最低配置要求，如智能交互使用限制所示。 与数字人智能交互的界面，对浏览器的要求，如智能交互使用限制所示。 父主题： 智能交互
00ms，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“对话配置”页签，配置对话，详细操作请参考对话配置。 单击“发布设置”页签，参考表2配置参数。 表2 发布设置 参数 说明 激活码
String 参数解释： 回复类型。 约束限制： 不涉及 取值范围： SYSTEM_REPLY：系统自动回复预先设置的话术。 CALLBACK：回调给其他服务，携带设置的话术。 SHOW_LAYER：仅显示叠加图层，不影响话术。 INTELLIGENT_REPLY：使用配置的大模型生成回复话术。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
