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
画布制作完成后，再制作语音。 选择“文本驱动”的方式。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。
一种音频生成方式。 文本驱动 在文本输入框中，输入文本内容，以生成音频，如图1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1 文本驱动 文本内容的操作说明如表1所示。
用的标签。 speak标签 描述 <speak></speak>：SSML文本的根节点。 语法 1 <speak>这里输入SSML标签的文本</speak> 属性 无 标签关系 <speak>可以包含文本和标签，包括<break>、<phoneme>、<say-as>、<sub>标签。
wav；文本文件命名规则：0.txt~19.txt。 语音文件和文本文件逐句上传：每次上传一句语料的语音文件和文本文件，再调用“确认在线录音结果”接口确认语音和文本内容是否一致。确认成功后再上传和确认下一句。 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。
动内容。 回复方式 选择主播或助播进行回复，具体回复内容支持通过下述方式设置。 文本：通过文本方式设置回复内容，最多可增加5条回复。直播间开播后按照触发次数，从前往后依次命中答复，每次仅回复一条文本内容。 示例：关于产品的链接、型号和优惠等问题，请看界面上方的说明，按照说明操作，就可以详细了解了。
metastudio.modeling.enterpriselivepackage 包含： 形象制作5个 声音制作5个 视频制作5路 说明： 查询接口中通过business_type来区分3种类型。 智能交互基础版 路 包年包月 hws.resource.type.metastudio.modeling
“剧本驱动”包含3种方式： 文本驱动 需要通过文本驱动数字人说话。支持下述2种方式，增加文本内容。 直接在各个场景的段落框中输入文本内容。可单击图标，新增更多的段落。 单击右上方的“导入”，从本地导入不少于200字的txt文件。如果多个段落，可通过换行来实现，平台会自动解析输入内容。 手工输入文本示例，如下所示：
是 String 音色模型ID。需要使用MetaStudio的数字资产管理相关接口从资产库查出。 script_type 否 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 默认取值： TEXT text
品。 支持多选，支持添加新类别。 产品素材 合成商品的素材。 包括如下内容： 贴图：从本地选择图片。 视频：从本地选择视频文件。 文本：手工输入文本内容。 音频：从本地选择音频文件。 单击“创建”，界面提示“创建成功”。 在“商品管理”页面，新增一行商品。 支持对商品执行如下操作：
还支持设置大小，拖动位置。 文本 文本界面详情，如图6所示。 图6 文本界面 文本界面说明，如表6所示。 表6 界面元素说明 界面元素 说明 界面默认展示两列文本，单击图标后，缩小展示为1列文本。单击图标，可恢复为2列展示。 文本列表 系统支持的文本列表。字体分别为：鸿蒙常规、鸿蒙粗体、鸿蒙细体、鸿蒙中黑。
语音同步合成WebSocket接口 前提条件 本接口目前仅支持“华北-北京四”和“华东-上海一”区域使用，且必须提交工单申请开通后才能使用。 使用本接口前，需要在MetaStudio控制台服务概览页面，开通“声音合成”的按需计费。 详细操作为：单击“声音合成”卡片中的“去开通”，
支持2种方式上传语音文件： 语音文件和文本文件打包成zip上传：语音文件已经切分成100个wav文件，每个语音文件对应一个txt文本文件，所有文件打包成zip文件。语音文件命名规则：0.wav~99.wav；文本文件命名规则：0.txt~99.txt。 语音文件和文本文件逐句上传：每次上传一句
的“取消应用”，取消使用。 文本 文本界面详情，如图8所示。 图8 文本界面 文本界面说明，如表7所示。 表7 界面元素说明 界面元素 说明 界面默认展示两列文本，单击图标后，缩小展示为1列文本。单击图标，可恢复为2列展示。 文本列表 系统支持的文本列表。字体分别为：鸿蒙常规、鸿蒙粗体、鸿蒙细体、鸿蒙中黑。
智能交互驱动WebSocket接口 终端节点获取方式 智能交互驱动WebSocket接口终端节点的获取方式，如表1所示。 表1 终端节点获取方式 场景 获取方式 未通过WEB SDK调用场景 终端节点地址从接口StartSmartChatJob.xml的响应参数chat_access_address中获取。
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。speechRecognized和semanticRecognized分别为问题和答案，每轮问答共用一个chatId。
音乐：各类音乐列表，可本地导入音频文件。支持添加为背景音乐。 文本：用于在画布中添加文本。 2 画面布局区域 视频画面制作区域，可以制作和预览视频画面。 3 音频制作区域 音频制作区域，可选择下述1种方式生成音频。 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
支持的格式为：MP3、WAV。 大小不超过20MB，时长不超过5分钟。 文本驱动 文本驱动方式的要求如下所示： 文本输入长度不超过2000字。 通过文本合成的音频时长不能超过5分钟。 在照片数字人制作页面，选择“文本驱动”方式驱动照片说话时，需要输入文本并选择音色，再单击“试听”预估音频时长。如果超过5分钟，会导致照片数字人制作失败。
n进行文本问答了。 数字人主动播报与文本问答的区别是什么？ 智能交互同时支持数字人主动播报和文本问答两种能力，两者都是通过文字驱动数字人讲话。 区别如下所示： 主动播报：主动播报是直接将sendDrivenText接口传入的文本作为数字人播报内容，来驱动数字人讲话。 文本问答：文
47010114 第三方文本驱动失败，文本长度超过最大值 第三方文本驱动失败，文本长度超过最大值 第三方文本驱动请携带正确长度的文本数据 400 MSS.47010115 第三方文本驱动失败，seq参数小于最小值 第三方文本驱动失败，seq参数小于最小值 第三方文本驱动请携带正确的seq参数信息
频文件。支持添加为背景视频。 商品：商品列表。需要自定义创建商品，一个商品可以同时包含贴图、视频、文本和音频内容。 文本：文本模板列表，可选择一个文本模板，在视频直播画面上添加文本。 ② 直播画面预览窗口，用于预览视频直播静态画面效果。 ③ 直播剧本由多个场景构成，每个场景由多个段落组成。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
