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
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。
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。
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20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~19.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
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
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。
如文案样例（基础版）、文案样例（进阶版）和文案样例（高品质）所示。如果使用预置文案，必须选对标签。 请输入试听文本 请输入试听文本，声音训练完成以后，您可以试听该文本的合成效果。 声音授权 单击“授权书模板”，下载授权书模板后打印。用户手写相关信息后，重新生成签署后的pdf文件
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。
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 否 String HTML格式的台词，可包含动作。最多2048个字符。
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
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，选择声音的方式，生成播报内容。不能超过2000字。 单击声音图标，会弹出声音对话框，可以选择需要使用的声音。 无标注的系统声音，均为免费声音，可直接选用。
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。
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。
明。 视频素材：如图中1区域所示，包括模板、角色、背景、贴图、视频、商品、文本等素材。支持使用预置的，也支持自定义生成。 画面布局：简称“画布”，如图中2区域所示。可以在画布中插入人物形象、背景、贴图、文本框、视频等内容，支持调整各项直播素材的大小和图层位置。所有的设置效果均在画布中直观可见。
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。
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
资源类型 MetaStudio计费中涉及的资源类型，包括商用资源类型、POC测试用需管理员分配的资源类型。 表1 商用资源类型（租户订购） 类别 资源名称 单位 计费模式 资源类型编码 备注 分身数字人 形象制作 个 一次性 hws.resource.type.metastudio
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。
视频直播画面创作完成后，请根据实际情况，选择下述一种直播剧本驱动方式。 “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tx
互动名称（可选） 互动名称，示例：欢迎进入直播间。 触发方式 当前互动触发的方式，请根据实际情况设置。 回复方式 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。
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。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
