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
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，
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
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“出门问问声音制作”。音频时长为0.5~180分钟，建议5分钟。音频格式为WAV或MP3文件，支持19种语言的声音制作。 音频总时长，建议5分钟；单段不低于5秒 如果剩余次数为0，可单击“立即购买”，参考购买出门问
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。
20020032 生成临时试听音频失败 生成临时试听音频失败 重新生成临时试听音频 400 MSS.20020033 资产不存在样例音频 资产不存在样例音频 请联系管理员确认 400 MSS.20020034 根据标注信息切割音频失败 根据标注信息切割音频失败 请联系管理员确认 400
附录 授权书 手机录制音频 客户声音制作案例 第三方平台开播指南 FAQ
数字人支持TTS和ASR吗？ 已支持TTS（文本转语音），详见创建TTS异步任务。MetaStudio不提供ASR（语音转文本），用户如有ASR需求，可以查看语音交互服务或其他ASR服务。 父主题： 数字人
支持多选，支持添加新类别。 产品素材 合成商品的素材。 包括如下内容： 贴图：从本地选择图片。 视频：从本地选择视频文件。 文本：手工输入文本内容。 音频：从本地选择音频文件。 单击“创建”，界面提示“创建成功”。 在“商品管理”页面，新增一行商品。 支持对商品执行如下操作： 单击商品所在行的“查看
示例：关于产品的链接、型号和优惠等问题，请看界面上方的说明，按照说明操作，就可以详细了解了。 音频：从本地上传一个音频文件，支持MP4、WAV和M4A格式。当命中此规则后，使用此音频进行回复。 智能交互：通过智能交互的方式回复用户问题，相当于提供了一个第三方语言模型去答复用户问题。
声音制作任务管理 查询用户配置的个性化音频时长 创建基础版语音训练任务 创建进阶版语音训练任务 创建高级版语音训练任务 查询语音训练任务列表 提交语音训练任务 查询语音训练任务详情 删除语音训练任务 查询任务操作日志 获取语音文件上传地址 获取语音训练任务审核结果 设置任务批次 确认在线录音结果
sample_rate String body voice_data中音频的采样率。 取值示例：16000、24000。 voice_data String body 音频数据，为base64编码的pcm音频流。 pcm格式为16位单声道，采样率见sample_rate字段，默认16000。
PROCESSING：数字人的工作状态。数字人会根据直播任务中预置的文本或音频进行直播。 PLAY_PAUSE：数字人直播暂停状态。此时数字人会处于静默状态，等待恢复剧本播放的指令。 TAKE_OVER：真人接管状态。MetaStudio直播服务会获取RTC通道中来自主播端的音频，实时驱动数字人进行直播。 PLAY_END：退出直播任务状态。
有问题，会给出相应提示。 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。 委托语言交互服务(SIS) 如需使用热词功能，请开启委托授权。SIS服务用于将用户口述音频转换为文本。 热词 仅开启“委托语言交互服务(SIS)”后，才会展示“热词”配置。
image/gif：gif图片格式 image/jpeg：jpg或jpeg图片格式 image/png：png图片格式 audio/mp3：mp3音频格式 audio/wav：wav音频格式 video/mp4：mp4视频格式 application/octet-stream：二进制流数据，如ppt、pdf或其它格式视频。
available audio input devices. 没有找到音频输入设备，请排查音频采集设备是否就绪。 90100006 no available audio output devices. 没有找到音频输出设备。 90100007 room status error. 房间状态不正确，请检查是否入会成功。
有问题，会给出相应提示。 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。 委托语言交互服务(SIS) 如需使用热词功能，请开启委托授权。SIS服务用于将用户口述音频转换为文本。 热词 仅开启“委托语言交互服务(SIS)”后，才会展示“热词”配置。
有问题，会给出相应提示。 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。 委托语言交互服务(SIS) 如需使用热词功能，请开启委托授权。SIS服务用于将用户口述音频转换为文本。 热词 仅开启“委托语言交互服务(SIS)”后，才会展示“热词”配置。
普通观看方，可选择原始视频流或者数字人动画视频流观看 INFERENCE_USER: 数字人推理端用户。从RTC房间接收音频流，并推送视频流到RTC房间 END_USER: 端侧用户。从推送音频流到RTC房间，并从RTC房间接收视频流 user_id 否 String RTC用户ID。 signature
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
