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
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
附录 状态码 错误码 获取项目ID 获取账号ID 直播控制HTTP Command命令说明 直播控制RTSA Command命令说明 文本驱动SSML定义 系统资产标签定义 服务支持的字体 资源类型 使用Java代码生成文件内容的MD5值 预置音色ID列表 查询音色ID
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
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
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？
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。
_CHAT或结束对话消息STOP_CHAT时，都需要携带该chat_id。 支持流式文本消息。seq为流式文本序号，从1开始计数；is_last用于判断流式文本的最后一包数据。如果不使用流式文本消息，seq设置为“1”，is_last设置为“true”。 建议每个分包数据长度大于6个字，否则可能会导致数字人说话卡顿。
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：
TEXT_DRIVE：文本驱动 INTERRUPT_CHAT：中断对话 STOP_CHAT：停止对话 data 是 ChatReqDataInfo object 对话请求数据信息。 表7 ChatReqDataInfo 参数 是否必选 参数类型 描述 text 是 String 文本信息。 seq
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。
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。
音频经过人工安全审核和授权认证后，由训练人员标注用于训练的音频数据，使用深度学习算法训练生成数字人声音模型。 推理阶段： 用户上传一段文本作为输入文本内容，由系统自动审核。 输入文本使用数字人声音模型推理生成数字人语音。 算法应用场景 分身数字人声音制作算法可以应用于数字人语音合成。在新闻播报、课
直播间配置限制，如表1所示。 表1 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。
交互数字人主动播报文本信息。 解决IDE加载TS声明文件报错问题。 2024-11-13 本次变更如下： 新增发布2.1.0版本SDK，相比2.0.3版本，变更点如下所示： 支持文本问答。 startChat新增入参，参考表16，用来设置交互模式（语音问答/文本问答）。 新增接口
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。
请参考图例，按录制人自身动作习惯，保证动作、表情自然。 录制范例 做动作时可以选择静默或者同步读相关文本。根据我们的经验，边说边做会使动作更加自然，文本内容参考如下所示。 表2 录制范例 步骤 1 2 3 文本和动作 （动作由“<>”标注，与同一行的文字一起，边说边做） <静默10秒，保持静默动作>
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。
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。
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
参数类型 描述 text_type 否 String 参数解释： 文本类型。 DYNAMIC：动态文本，需要进行关键字替换。 STATIC：静态文本。 默认取值： DYNAMIC text_context 否 String 文本。 font_name 否 String 参数解释： 字体。当前支持的字体：
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
