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
的功能申请对应的系统权限并向用户告知征得其同意。 权限 权限描述 使用目的 获取麦克风权限 获取浏览器的麦克风设备权限 开始语音交互时，用于进行语音识别文字，获取交互答案 四、延迟初始化要求 为了避免您的应用在未获取用户的同意前SDK提前处理用户的个人信息。我们提供了智能交互任务
2024-12-30 第十四次正式发布 本次变更如下： 语音合成管理接口组，新增接口：设置TTS租户级自定义读法配置、获取TTS租户级自定义读法配置、删除TTS租户级自定义读法配置、修改TTS租户级自定义读法配置。 2024-12-05 第十三次正式发布 本次变更如下： 新增接口组：分身数字人字幕文件生成管理。
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
直播间限制 直播间配置 限制 文本驱动 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
选择“分身名片”页签，如图1所示。 在“分身名片”页面，可以看到已生成的名片列表，以卡片形式排列展示。 支持对名片进行如下操作： 单击，查看分身数字人的语音表达形态。 单击“下载”，将名片下载至本地查看。下载后的文件为mp4格式。 单击，在弹出的下拉框中，可查看名片详情、重命名或删除名片。 图1
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，
这个配音，点击进行转换，然后稍作等待，大家就能听到熟悉的声音。 同样，我们再来试试语音转文字，将我们的视频拖入视频轨道，选中它，找到我们的语音转文字功能，同样转换的速度也是很快。 我们这里是支持字幕一键同步及srt字幕的导出。 聊了这么多功能，相信大家都很关心价格问题，今天年度会员269元，折下来只需要22
00ms，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
用户使用奇妙问前，需要联系奇妙问的客户经理注册开通服务。 客户经理的联系方式，可以在云商店语音合成商品页面查看，如图1所示。 图1 查看联系方式 操作步骤如下所示。详细操作请联系奇妙问平台客服，详见云商店语音合成商品页面，如图1所示。 新增知识库：可以上传普通文件或者新增问答题库。 创建角色：在奇妙问创建问答角色。
00ms，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
真人声音录制 客户录制真人音频，上传至MetaStudio进行AI训练，即可得到和真人音色1:1复刻的声音模型。 声音模型可实现文本转语音，应用于数字人视频制作、直播、交互问答等场景中。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。
风格化单照片建模 按需 按需 单目视觉驱动路数 包月 包周期 语音驱动时长 按需 按需 单目视觉驱动时长 按需 按需 风格化单照片建模10000次套餐包 按需套餐包 语音驱动10小时套餐包 按需套餐包 语音驱动100小时套餐包 按需套餐包 语音驱动500小时套餐包 按需套餐包 单目视觉驱动免费试用套餐包
示例1：上传资产 示例2：资产管理 示例3：分身形象制作管理 示例4：声音制作任务管理 示例5：语音合成管理 示例6：语音同步合成WebSocket接口（Android SDK） 示例7：语音同步合成WebSocket接口（iOS SDK） 示例8：视频制作 示例9：视频制作剧本管理
型或知识库返回的答案决定的。 6 数字人支持TTS和ASR吗？ 已支持TTS（文本转语音），详见创建TTS异步任务。MetaStudio不提供ASR（语音转文本），用户如有ASR需求，可以查看语音交互服务或其他ASR服务。 图1 视频制作 父主题： 产品咨询
型或知识库返回的答案决定的。 6 数字人支持TTS和ASR吗？ 已支持TTS（文本转语音），详见创建TTS异步任务。MetaStudio不提供ASR（语音转文本），用户如有ASR需求，可以查看语音交互服务或其他ASR服务。 图1 视频制作 父主题： FAQ
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。
× √ 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
10次/秒 10次/秒 创建基础版语音训练任务 10次/秒 3次/秒 3次/秒 创建进阶版语音训练任务 10次/秒 3次/秒 3次/秒 创建高级版语音训练任务 10次/秒 3次/秒 3次/秒 查询语音训练任务列表 20次/秒 10次/秒 10次/秒 提交语音训练任务 10次/秒 3次/秒
2所示。 在“原始词”列输入原始内容。 在“新建读法”列，输入拼音后，从下拉框中选择正确的读音。如有多个字，需单击“+”号图标，依次输入各文字的拼音。 图2 新建词表 单击新增特殊词右侧的“确定”，新增成功。 如有更多特殊词需要配置自定义读法，可参考上述步骤依次添加完成。添加完成
TextLayerConfig 参数 是否必选 参数类型 描述 text_context 否 String 参数解释： 文字图层的文本，内容需做Base64编码。 示例：若想添加文字水印“测试文字水印”，那么text_context的值为：5rWL6K+V5paH5a2X5rC05Y2w 约束限制：
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
