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
播报内容生成后，单击右侧的“试听”，可以试听播报效果。 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。 文本驱动：通过输入文本，
请求ID。 表6 响应Body参数 参数 参数类型 描述 commond_result String 命令执行结果。 EXCUTE_SUCCESS: 命令提交成功 EXCUTE_FAILED: 命令提交失败 attachment_upload_url Array of strings 附件上传地址
表3 请求Body参数 参数 是否必选 参数类型 描述 hot_words_type 是 String 热词类型。 说明： SIS:使用的语音识别服务为SIS时选此类型 robot_id 是 String 应用ID。 sis_hot_words 是 CreateSisHotWords
表3 请求Body参数 参数 是否必选 参数类型 描述 hot_words_type 是 String 热词类型。 说明： SIS:使用的语音识别服务为SIS时选此类型 sis_hot_words 是 UpdateSisHotWords object sis类型热词 表4 UpdateSisHotWords
参数 参数类型 描述 welcome_speech_id String 欢迎词ID。 welcome_speech String 欢迎词。 enable_welcome_speech Boolean 欢迎词功能开关。 language String 智能交互语言 zh_CN：简体中文（已下线，请使用CN）
String 自我介绍驱动方式。 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。
String 自我介绍驱动方式。 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。
objects 欢迎词信息 表6 WelcomeSpeechInfo 参数 参数类型 描述 welcome_speech_id String 欢迎词ID。 welcome_speech String 欢迎词。 enable_welcome_speech Boolean 欢迎词功能开关。 language
查询欢迎词功能开关 功能介绍 该接口用于查询欢迎词功能开关。 调用方法 请参见如何调用API。 URI GET /v1/{project_id}/digital-human-chat/welcome-speech-switch 表1 路径参数 参数 是否必选 参数类型 描述 project_id
修改欢迎词功能开关 功能介绍 该接口用于修改欢迎词功能开关。 调用方法 请参见如何调用API。 URI POST /v1/{project_id}/digital-human-chat/welcome-speech-switch 表1 路径参数 参数 是否必选 参数类型 描述 project_id
参数解释： 图片显示时长，单位s。 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。 取值范围： 0-3600 默认取值： 0 表12 SmartVideoLayerConfig 参数
startChat新增入参，参考表15，用来设置交互模式（语音问答/文本问答）。 新增接口activeInteractionMode、interactionModeSwitch、sendTextQuestion，用来获取和设置当前交互模式（语音问答或文本问答），以及发送问题文本。 2024-10-08
用于制作数字人名片的图片下载URL。 introduction_type String 自我介绍驱动方式。 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。 voice_asset_id
unavailable for this language. Try with another language. 当前选择的语言不支持语音识别，请切换语言后重新尝试。 MSS.47010144 Switch to text mode and try again. 当前非文本模式，请切换至文本对话模式后再尝试
照片建模的含义：根据单张照片自动生成3D风格化基础模型。 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。 按需计费 按需预付费套餐包 视觉驱动
参数解释： 图片显示时长，单位s。 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。 取值范围： 0-3600 默认取值： 0 表15 SmartVideoLayerConfig 参数
进入视频制作界面，界面详情如图1所示。 图1 视频制作界面 在画布区域，设置角色、背景、贴图、视频等内容。 详细操作请参见视频制作素材操作详情。 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
每个单场景中所有段落输入文字的总量需大于200字。 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。
VDS_3D：3D视觉驱动 TTSA_3D：3D语音驱动 FLEXUS_2D：flexus版本资源 sub_resource_type String 子资源类型。当前只有flexus套餐包存在该字段 voice_clone_flexus: 语音克隆Flexus版 modeling_co
文本驱动，即通过TTS合成语音 AUDIO: 语音驱动 默认取值： TEXT text_config TextConfig object 讲解词配置。 audio_drive_action_config Array of AudioDriveActionConfig objects 语音驱动时的动作配置。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
