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
推荐使用48bit采样位录制音频。 苹果手机的简易录音机的采集位默认为16bit，无需修改。 声道 推荐使用单声道录制音频。 苹果手机的简易录音机默认为单声道录制，无需修改。 音频格式 推荐使用无损音质格式保存音频，如WAV、MP3格式。 音频命名 所有语料录制生成一个长音频WAV或MP3文件，命名示例：Voice
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。 高品质：整段录制生成一个WAV或MP3格式音频，总时长1小时以上，建议1小时。 原声录制音频和其对应生成的音色播报示例，如客户声音制作案例所示。 录音准备 表1 录音准备 声音类型 录制设备和软件
具设置的桌面音频设备与Windows系统的声音输出设备不一致导致。 检查方法如下所示： 检查OBS桌面音频设备 检查Windows系统的声音输出设备 检查OBS桌面音频设备 本地打开OBS视频采集工具。 在界面下方，选择“混音器”。 图1 OBS工具 单击“桌面音频”区域的图标，
界面操作详情，如表1所示。 表1 界面操作说明 区域 说明 声音制作方式 选择声音制作方式“基础版声音制作”，音频格式为WAV或MP3文件。需整段录制，每句之间有2~3秒的停顿。音频时长3~10分钟，建议5分钟。 请完善声音信息 输入声音名称，示例：欢快女声。 请选择声音性别 选择声音的性别，示例：女生。
zip，下载如表1所示的音频文件。 mos分是从音色相似度、情感表达效果和声音音质方面，进行整体效果综合评分的结果。 表1 音频文件 版本 类别 原音文件 合成音文件 版本差异 适用场景 基础版声音制作 女声 基础版媒体1.wav 基础版媒体2.wav 支持手机录制20条语料音频（5分钟），
用于互动回复。数字人不变时，背景不变。其参数结构定义为“PlayTextInfo”。 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”。 控制数
创建高级版语音训练任务 功能介绍 用户创建语音训练高级版任务，该接口会返回一个obs上传地址，用于上传语音文件。 语音文件为一段WAV格式的长音频文件，仅支持将语音文件打包成zip压缩格式上传。 文件上传后，调用“提交语音训练任务”接口，启动审核和训练。 调用方法 请参见如何调用API。
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。 图2 文本驱动 音频制作完成后，可单击音量图标，调整音频的音量。 上述操作全部完成后，第一个场景的视频内容已制作完成。
80。 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。 通过文本合成的音频时长不能超过5分钟。
音乐：各类音乐列表，可本地导入音频文件。支持添加为背景音乐。 文本：用于在画布中添加文本。 2 画面布局区域 视频画面制作区域，可以制作和预览视频画面。 3 音频制作区域 音频制作区域，可选择下述1种方式生成音频。 文本驱动：通过输入文本的方式生成音频。文本支持插入停顿、调整语速，
训练阶段输入预先获取的高质量语音及其表情基系数，通过学习获得语音特征与表情基系数的关系。 用户使用时，输入音频流或音频文件。 音频经过安全审核后，进入下一步操作，否则不返回结果。 对音频特征提取后，获取音频特征，再通过算法将音频特征转换为表情基系数。 返回结果数据。 算法应用场景 数字人语音驱动算法可用于短
能超过100M。 可单击“导入”上传音频，也可以直接拖拽本地音频文件至提示区域中，完成上传。单击左侧的图标，可试听音频效果。如果音频效果不佳，可以单击“导入”，覆盖更新音频。 图2 音频驱动 音频制作完成后，可单击音量图标，调整音频的音量。 上述操作全部完成后，第一个场景的视频内容已制作完成。
不支持Edge浏览器。 视频素材总大小小于1GB。 同时叠加的视频总数量最多支持2个。 音频格式 音频支持的格式为：MP3、M4A、WAV。 音频要求如下所示： 仅提取单声道音频。 音频素材总大小小于500MB。 图片格式 图片支持的格式为：PNG、JPG、JPEG。 图片要求如下所示：
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
视频采样格式为YUV420。 视频素材总大小小于1GB。 同时叠加的视频总数量为3，包含互动时配置的视频。 音频格式 音频支持的格式为：MP3、M4A、WAV。 音频要求如下所示： 仅提取单声道音频。 音频素材总大小小于500MB。 图片格式 图片支持的格式为：PNG、JPG、JPEG。 图片要求如下所示：
基础版声音制作：需整段录制生成一个WAV或MP3格式的音频文件，时长3~10分钟，建议5分钟。 进阶版声音制作：需整段录制生成一个WAV或MP3格式的音频文件，时长10~30分钟，建议15分钟。 高品质声音制作：需整段录制生成一个WAV或MP3格式的音频文件，时长1小时以上，建议1小时。 每种
调整段落在场景中的位置。 ：新增1个空白段落。 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。用户也可以设置主播和助播的声音，
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
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。 视频中提取声音：直
签，导入使用。 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
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
