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
第一张图为透明背景，单击透明背景后，仅智能交互预览页面会替换为透明背景。如果需要透明背景正式生效，还需要设置如下智能交互SDK的任一参数。 须知： 进行智能交互时，透明背景支持的浏览器及版本，详见客户端SDK参考-快速入门-表3。 设置create接口参数config内的配置参数useDefaultBa
不支持Edge浏览器。 视频素材总大小小于1GB。 同时叠加的视频总数量最多支持2个。 音频格式 音频支持的格式为：MP3、M4A、WAV。 音频要求如下所示： 仅提取单声道音频。 音频素材总大小小于500MB。 图片格式 图片支持的格式为：PNG、JPG、JPEG。 图片要求如下所示：
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。 上述操作全部完成后，第一个场景的视频内容已制作完成。
PROCESSING：数字人的工作状态。数字人会根据直播任务中预置的文本或音频进行直播。 PLAY_PAUSE：数字人直播暂停状态。此时数字人会处于静默状态，等待恢复剧本播放的指令。 TAKE_OVER：真人接管状态。MetaStudio直播服务会获取RTC通道中来自主播端的音频，实时驱动数字人进行直播。 PLAY_END：退出直播任务状态。
购买语音包后试听一直转圈圈是为什么？ 需要检查已购买的第三方声音AK/SK是否配置正确，详见购买出门问问声音套餐。如果配置有误，则无法使用。 父主题： 计费咨询
基础版声音制作：需整段录制生成一个WAV或MP3格式的音频文件，时长3~10分钟，建议5分钟。 进阶版声音制作：需整段录制生成一个WAV或MP3格式的音频文件，时长10~30分钟，建议15分钟。 高品质声音制作：需整段录制生成一个WAV或MP3格式的音频文件，时长1小时以上，建议1小时。 每种
文本驱动SSML定义 MetaStudio语音驱动采用语音合成标记语言（SSML，Speech Synthesis Markup Language）来控制数字人的行为，包括动作、情绪以及TTS语音合成的多音字、停顿等。 SSML基础定义可参考语音合成标记语言版本 1.0。Meta
80。 音频 音频录制要求，如下所示： 单声道音频。 清晰人声无背景音乐与杂音。 音频格式要求，如下所示： 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。
用于互动回复。数字人不变时，背景不变。其参数结构定义为“PlayTextInfo”。 音频驱动方式：对应Command命令为“INSERT_PLAY_AUDIO”，即插入驱动音频，用于音频直接驱动。数字人不变时，背景不变。其参数结构定义为“PlayAudioInfo”。 控制数
本次变更如下： 语音合成管理接口组，新增接口：创建TTS异步任务、获取TTS异步任务。 声音制作任务管理接口组，新增接口：查询用户配置的个性化音频时长、设置任务批次。 2024-10-30 第十一次正式发布 本次变更如下： 新增接口组：租户管理。 2024-08-20 第十次正式发布
签，导入使用。 请注意：视频中PPT每页播放的时间如果与对应音频的时长不匹配，需要将完整的PPT视频按页切割成独立的子视频，一一上传至视频制作界面，按场景依次添加使用。添加后的视频支持仅播放一次，或者循环播放，直至音频播报结束。 父主题： 视频制作
界面操作详情，如表1所示。 表1 界面操作说明 区域 说明 声音制作方式 选择“出门问问声音制作”。音频时长为0.5~180分钟，建议5分钟。音频格式为WAV或MP3文件，支持19种语言的声音制作。 音频总时长，建议5分钟；单段不低于5秒 如果剩余次数为0，可单击“立即购买”，参考购买出门问
调整段落在场景中的位置。 ：新增1个空白段落。 图3 开播界面 音频驱动 单击“上传音频”，从本地上传已录制好的音频，如图4所示。 每个音频不能超过100M，支持WAV、M4A和MP3格式，每个场景的音频总时长不能低于1分钟。 开播后会直接播放音频，声音是音频原有声音。用户也可以设置主播和助播的声音，
Flexus分身数字人制作任务会同时生成一个Flexus形象和一个Flexus声音，所以也需要提供音频。 单独上传语料包：单独录制音频文件，需要单击下方的“点击上传音频文件”，上传音频。 音频格式支持WAV、MP3，单段音频时长1~5分钟，建议1分钟。语料中的语言仅支持中文和英文。 视频中提取声音：直
响应消息头中X-Subject-Token的值。 Authorization 否 String 使用AK/SK方式认证时必选，携带的鉴权信息。 X-Sdk-Date 否 String 使用AK/SK方式认证时必选，请求的发生时间。 X-Project-Id 否 String 使用AK/SK方式认证时必选，携带项目ID信息。
动解析输入内容。 直播剧本包含下述设置： 剧本驱动 支持下述三种方式任选其一： 文本驱动：输入文本，通过文本驱动数字人说话。 音频驱动：上传音频，通过音频驱动数字人说话。 即兴直播：无需设置剧本，直接开播。开播后数字人是不说话的，需要发送互动内容，或者开启真人接管，驱动数字人说话。
附录 授权书 手机录制音频 客户声音制作案例 第三方平台开播指南 FAQ
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： 单击商品所在行的“查看
如何查看已购声音套餐明细？ 访问云商店买家中心，进入“已购买的服务”界面，可以看到已购买的语音合成套餐信息。 父主题： 计费咨询
多语言的计费规则？ 文本转语音是以字数来计费的，多语言不是计费项，无需另外付费。 自研声音目前只有中英文，声音合成按需计费标准为：¥200.00/百万字，可以在MetaStudio服务概览页面的“声音合成”卡片中查看，如图1所示。 图1 声音合成计费项 第三方声音的计费标准，详见云商店语音合成商品页面的价格表。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
