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
图3 技能编辑页面 表3 问答对 参数 说明 主题 输入主题，便于问题查找，不包含问题内容。 所有问法 输入所有提问方式。问法包括同一个问题的不同提问方式。 支持最多添加500个相似问题，每个问题不能超过64个字符。 数字人回答 输入数字人回答。 单击“保存”，界面左侧的“问答列表”中新增一个问答对，示例如图4所示。
声音制作 MetaStudio支持自定义生成声音。 操作前准备 用户创建声音制作任务前，需要参考操作步骤准备如下内容： 参考真人声音录制，提前录制一个WAV或MP3格式的长音频文件，每句之间需要有2~3秒的停顿。语料推荐使用文案样例（基础版）。 声音授权签署文件。 操作步骤 登录MetaStudio控制台。
在MetaStudio服务这里仅需输入推流地址，即可直推平台。 推流即RTMP直推，华为云服务器直接把画面传到直播平台服务器，不需要用户一直打开控制台。 如果直播平台无法提供推流地址，可通过窗口捕获方式开播。 需要注意： 使用RTMP推流时，关闭控制台页面不等于结束直播任务，画
管理工作。 用户 由账号在IAM中创建的用户，是云服务的使用人员，具有身份凭证（密码和访问密钥）。 在我的凭证下，您可以查看账号ID和用户ID。通常在调用API的鉴权过程中，您需要用到账号、用户和密码等信息。 区域 指云资源所在的物理位置，同一区域内可用区间内网互通，不同区域间内
包含如下选项，请根据实际情况选择： 抠除拍摄背景：制作分身数字人视频时，可以更换背景。 保留拍摄背景：分身数字人使用拍摄时的原背景，不支持更换背景。 身份认证及授权数据上传 联系方式 请输入有效的11位手机号码。 身份证照片 需要分别上传身份证人像面和国徽面的照片。 单击“点击上传人像面”，从本地选择身份证人像面照片上传。
分身数字人驱动算法是指通过深度学习生成数字人驱动模型，模型生成后，输入音频来合成数字人视频的一种技术。 其基本情况包括： 输入数据：真人视频、音频。 算法原理：通过深度学习算法来学习真人视频，生成驱动该真人形象的数字人模型。通过该模型输入音频，合成数字人视频。 输出结果：数字人视频。 应用领
“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：
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。
右侧界面的预览效果就是数字人名片的实际生成效果，请输入适量的字符，以确保正常的展示效果。 公司 必填项，数字人公司。 内容较多时，最多支持在名片中分2行展示，超出2行后，默认不展示。为保证名片的效果展示，请保持合理的输入长度。 联系电话 必填项，数字人联系电话，请输入有效的联系方式。 公司地址 必填项，数字人公司地址。
支持新增、复制段落，或使用txt格式文本导入剧本，平台自动解析输入内容。 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。
背景搜索框，可输入背景名称进行精准搜索。 示例：科技。 筛选条件 支持通过来源筛选展示背景图片。 图片列表 默认展示全量背景图片。单击图片，自动替换至当前画面中。 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。
RTMP推流：即RTMP直推（华为云服务器直接把画面传到直播平台服务器，不需要用户一直打开控制台），从直播平台获取推流地址。获取方式各平台入口不一，建议咨询对应的直播平台。在MetaStudio服务这里仅需输入推流地址，即可直推平台。 需要注意： 使用RTMP推流时，关闭控制台页面不等于结束直播任务，画面会持
模拟测试：在应用配置界面的“模拟测试”区域输入用户问题，进行用户问题模拟，查看对话效果。 （可选）新增English情景模式：前面的所有操作，都是main情景模式下的配置，如果对话配置时，语言选择“中文”，则main情景模式下的配置生效。如果对话配置时，语言选择“英文”，当前应用需要新增English情景模式，才能对话成功。
如何将WEBM视频转成MOV格式？ 问题描述 视频制作时，如果使用透明背景合成视频，导出时仅支持生成WEBM格式视频。而常用的视频工具剪映、Premiere Pro等，不支持WEBM格式，需要先参考本节转为MOV格式。 解决方法 单击webm2mov，将视频格式转换小工具webm2mov_20240814
用户Token。使用Token鉴权方式时必选。 通过调用IAM服务获取用户Token接口获取。 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。
asset_id：创建资产接口返回值，如1所示。 asset_file_category：输入MAIN。 如果状态码返回200，说明创建文件并获取上传URL接口调用成功，需要记录下返回的file_id（文件ID）和upload_url（文件上传地址，有效期为24小时）的值，待后续步骤使用。 图2 接口页面 参考OBS
合成视频二次剪辑后，数字人口型效果变差？ 需要检查二次剪辑软件的视频帧率。因为数字人合成视频的帧率为25，如果用户使用软件的帧率为30，需要插帧至数字人视频中，才能达到30，这样就导致插帧后的口型对不上了。所以用户对视频进行二次剪辑时，帧率必须设置为25的整数倍，才不会影响数字人的口型效果。
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。语料中的语言仅支持中文和英文。
API概览 华为云MetaStudio服务对应的接口列表如下所示，在调用API前，您需要先获取用户Token，Token可以用于调用其他API时鉴权，具体如何调用API请参考应用示例。 数字资产管理 表1 数字资产管理接口 接口 说明 POST /v1/{project_id}/digital-assets
选择的声音不支持此操作。需要重新选择一个支持所需操作的声音模型，进行文本驱动设置。 表1 操作说明 操作 说明 插入停顿 将鼠标放在需要停顿的文字右侧，单击“插入停顿”。在弹出的提示框中，选择“换气”或者停顿的时间，也支持自定义停顿时长。 连读 选中需要连读的文本内容，单击“连读”。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
