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
取值范围： 1-10 默认取值： 1 is_ifly_production Boolean 是否为正式环境 默认取值： false tail_silence_time Integer 语音识别后端点静音时长默认500ms 取值范围： 0-3000 role_id String 奇妙问角色
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。
界面提供录音指导，需要按照指导，录制生成一个符合时长要求的基础版、进阶版或高品质音频文件。WAV或MP3格式音频文件支持直接上传，无需压缩，无需携带文案txt文件。 如果未使用服务预置文案，声音标签仅作为标签，来区分声音使用场景。
取值范围： 1-10 默认取值： 1 is_ifly_production Boolean 是否为正式环境 默认取值： false tail_silence_time Integer 语音识别后端点静音时长默认500ms 取值范围： 0-3000 role_id String 奇妙问角色
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。MetaStudio
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。
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”。
String 交互对接类型 LIVE:直播交互 CHAT:智能交互 language 否 String 智能交互语言 zh_CN：简体中文（已下线，请使用CN） en_US：英语（已下线，请使用EN） CN：中文 EN：英文 tail_silence_time 否 Integer 语音识别后端点静音时长默认
String 交互对接类型 LIVE:直播交互 CHAT:智能交互 language 否 String 智能交互语言 zh_CN：简体中文（已下线，请使用CN） en_US：英语（已下线，请使用EN） CN：中文 EN：英文 tail_silence_time 否 Integer 语音识别后端点静音时长默认
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 本次变更如下： 新增接口：查询任务操作日志。
audio_drive_file_external_url String 语音驱动音频文件外部下载URL。 说明： 需要先申请开通白名单后，才允许通过外部URL的音频文件来驱动分身数字人视频。
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
默认取值： 不涉及 reply_audios 否 Array of ReplyAudioInfo objects 参数解释： 回复音频集。填写audio_url。 约束限制： 不涉及 取值范围： 最大支持5条预置音频。
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。
声音制作语料类型 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。
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”，参考购买出门问问小语种克隆套餐的操作流程购买小语种克隆套餐包。 请完善声音信息 输入声音名称。
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。 互动设置：支持弹幕、用户入场 、点赞和送礼设置。 直播配置：支持开播设置、输出设置、风控设置和更多设置。
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
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
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
