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
定制声音时，从平台下载的授权书中有明确说明，定制音色需授权给公司使用。 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： 使用“语料上传”方式上传语音文件前，需参考声音制作页面的“录音指导”，提前录制好音频。 声音授权签署文件，如授权书所示。
权限 权限描述 使用目的 获取麦克风权限 获取浏览器的麦克风设备权限 开始语音交互时，用于进行语音识别文字，获取交互答案 对未成年人的保护 您承诺在您开始使用本服务时是成年人。如您是未成年人，则需要您的父母或监护人同意您使用本服务并同意相关服务条款。
社交互动：家用机器人可以连接到社交媒体平台，帮助您与朋友和家人保持联系。 153. 它们可以发送消息、播放语音邮件、查找联系人等。 154. 有些机器人还具备人脸识别技术，能够识别面孔并与熟悉的人进行互动。 155.
声音模型可实现文本转语音，应用于数字人视频制作、直播、交互问答等场景中。不同版本录制规格如下： 基础版：整段录制生成一个WAV或MP3格式音频，总时长3~10分钟，建议5分钟。 进阶版：整段录制生成一个WAV或MP3格式音频，总时长10~30分钟，建议15分钟。
创建应用 配置应用 查看应用信息 （可选）开启闲聊功能 模拟测试 （可选）新增English情景模式 创建应用 访问科大讯飞的AIUI开放平台。 在界面上方的主菜单中，单击“我的应用”，进入“我的应用”页面。 单击“创建应用”，进入“创建应用”页面，如图1所示。
10次/秒 3次/秒 3次/秒 创建进阶版语音训练任务 10次/秒 3次/秒 3次/秒 创建高级版语音训练任务 10次/秒 3次/秒 3次/秒 查询语音训练任务列表 20次/秒 10次/秒 10次/秒 提交语音训练任务 10次/秒 3次/秒 3次/秒 查询语音训练任务详情 20次
文本驱动配置 通过“文本驱动”方式生成语音时，对应的文本要求，如下所示： 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标签时，需小于3000。 一个视频草稿，所有段落汇总字符数，如果包含语音合成标记语言SSML标签时，需小于300000。
10次/秒 3次/秒 3次/秒 创建进阶版语音训练任务 10次/秒 3次/秒 3次/秒 创建高级版语音训练任务 10次/秒 3次/秒 3次/秒 查询语音训练任务列表 20次/秒 10次/秒 10次/秒 提交语音训练任务 10次/秒 3次/秒 3次/秒 查询语音训练任务详情 20次
创建应用 （可选）创建问答库 配置应用 查看应用信息 （可选）开启闲聊功能 模拟测试 （可选）新增English情景模式 创建应用 访问科大讯飞的AIUI开放平台。 在界面上方的主菜单中，单击“我的应用”，进入“我的应用”页面。
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。
文本驱动配置 通过“文本驱动”方式生成语音时，对应的文本要求，如下所示： 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标签时，需小于3000。 整个直播间，所有段落汇总字符数，如果包含语音合成标记语言SSML标签时，需小于300000。
定制分身形象时，从平台下载的授权书中有明确说明，定制分身形象需授权给公司使用。 父主题： 使用限制
应用示例 示例1：分身形象制作管理 示例2：声音制作任务管理 示例3：语音合成管理 示例4：视频制作 示例5：视频制作剧本管理 示例6：视频直播 示例7：视频直播对接实时音视频客户端SDK 示例8：资产管理 示例9：数字人名片制作 示例10：智能交互
3D数字人 3D数字人风格管理 3D数字人风格化照片建模 3D数字人语音驱动 3D数字人视频驱动
表28 3D数字人语音驱动接口 接口 说明 POST /v1/{project_id}/ttsa-jobs 创建语音驱动任务 GET /v1/{project_id}/ttsa-jobs 获取语音驱动任务列表 POST /v1/{project_id}/ttsa/fas 创建语音驱动表情动画任务
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。
文本问答的用法 智能交互默认是语音问答，如需使用文本问答，需要切换模式。可以通过下述2种方式处理： 在开始对话时设置。
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。
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
尾静音时长 系统会对用户的提问音频进行检测，如果一句话末尾的静音时长超过500ms，会结束语音识别。 建议取值大于500ms。 热词 数字人与用户进行智能交互对话时，语音识别不准确的专业词汇，可以作为热词反馈到语音模型，以提高语音识别的准确率。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
