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
应用示例 示例1：上传资产 示例2：分身形象制作管理 示例3：声音制作任务管理 示例4：语音合成管理 示例5：视频制作 示例6：视频制作剧本管理 示例7：视频直播 示例8：视频直播对接实时音视频客户端SDK 示例9：资产管理 示例10：数字人名片制作 示例11：智能交互
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？
voice_start：启动数字人实时语音播放。 voice_end：结束数字人实时语音播放。 “timing”为直播控制指令执行的时间，取值如下所示： NOW：立即执行指令。 SENTENCE_END：等待数字人播放至句末后，再执行当前指令。 父主题： 附录
画布制作完成后，再制作语音。 支持下述2种方式生成语音。每个场景仅支持选择一种音频生成方式。 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。
购买语音包后试听一直转圈圈是为什么？ 多语言的计费规则？ 如何查看已购声音套餐明细？ 分身形象或声音制作的不好，可以使用原有资源重新制作吗？ 形象制作和声音制作支持退订吗？ 制作好数字人后，可以不购买路数进行直播吗？ 已购买包年/包月直播套餐，未到期为啥扣费？ 为什么会欠费？
语音上传：本地录制音频后上传。音频格式需要为WAV或MP3格式，音频大小不超过20MB，时长不超过5分钟。 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。
TEXT: 文本驱动，即通过TTS合成语音。文本驱动需要填写introduction_text和voice_asset_id参数。 AUDIO: 语音驱动，需要在资产库中先上传语音资产。语音驱动需要填写introduction_audio_asset_id参数。
TEXT: 文本驱动，即通过TTS合成语音。文本驱动需要填写introduction_text和voice_asset_id参数。 AUDIO: 语音驱动，需要在资产库中先上传语音资产。语音驱动需要填写introduction_audio_asset_id参数。
它可以与您的家居设备无缝对接，让您通过语音控制，轻松完成各种家务活动。 家用机器人是您生活中的最佳助手，它为您带来了更为智能、便捷和舒适的生活体验。 这样的智能生活体验，不仅让您的生活变得更加便利，也让您的家庭更加温馨和谐。
TEXT: 文本驱动，即通过TTS合成语音 AUDIO: 语音驱动，需要在资产库中先上传语音资产 默认取值： TEXT introduction_text String 自我介绍文本，用于驱动数字人口型。
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。 音频驱动 每个单场景上传音频的时长需大于1分钟，大小不超过100M。
显示时长规则为，若携带reply_texts、reply_audios，则与播放语音内容时长保持一致。若未携带，则与匹配的关键词语音内容时长保持一致。
尾静音时长 云端对音频进行VAD检测，发现一句话末尾的静音时长超过500ms，会结束语音识别。建议该值大于500ms。
按需计费 按需预付费套餐包 语音驱动 按照输入文本或语音驱动数字人口型、表情等动作的时长进行计费。 计费时优先使用套餐包中的额度，该额度使用完后，转按需付费。 语音驱动的含义：根据输入文本或语音驱动数字人口型、表情等动作。
语音驱动 左下角展示用户已购买资源的剩余量。单击图标，可以查看剩余量详情的列表数据。 视觉驱动 左下角展示用户已购买资源的剩余量。 资产管理 资产管理 左下角展示资产存储空间的已使用量，单位：GB。 须知： 用户首次使用MetaStudio服务，会免费赠送5G的存储空间。
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。
LIVE_2D：分身数字人视频直播 VIDEO_2D：分身数字人视频制作 CHAT_2D：分身数字人智能交互 BUSINESS_CARD_2D：分身数字人名片 PICTURE_2D：照片数字人视频 MODELING_3D：3D照片建模 VDS_3D：3D视觉驱动 TTSA_3D：3D语音驱动
显示时长规则为，若携带reply_texts、reply_audios，则与播放语音内容时长保持一致。若未携带，则与匹配的关键词语音内容时长保持一致。
表11 ShootScriptDetail 参数 参数类型 描述 script_type String 参数解释： 脚本类型，即视频制作的驱动方式 约束限制： 不涉及 取值范围 TEXT: 文本驱动，即通过TTS合成语音 AUDIO: 语音驱动 默认取值： TEXT text_config
显示时长规则为，若携带reply_texts、reply_audios，则与播放语音内容时长保持一致。若未携带，则与匹配的关键词语音内容时长保持一致。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
