腾讯云智能数智人视频制作接口-基础版-服务端 API 接入-文档中心-腾讯云

接口说明
使用 ssml 文本和数智人进行视频制作，通过音视频制作进度查询接口最终返回成品视频和字幕文件。
注意：
不支持定义主播位置等未剪辑高级参数，如需使用需要切换到 视频制作接口-进阶版 接口。
调用协议
HTTPS + JSON
POST     /v2/ivh/videomaker/broadcastservice/videomake
Header   Content-Type: application/json;charset=utf-8
请求参数
参数
类型
必须
说明
VirtualmanKey
string
是
定义播报的角色、服装、姿态、分辨率等信息，参数为枚举值。
说明：
可以通过 查询形象资产信息-查询主播下的所有形象接口查询
InputSsml
string
是
播报的文本内容，支持ssml标签，支持的标签类型参照 数智人 SSML 标记语言规范，标签写法参照示例，内容不能换行，符号需转义。上限2万字（字数按 unicode 字符数计算）。DriverType为空、或 Text 时，该字段必填
说明：
当 Format 为 TransparentMov 时，上限为2千字。
SpeechParam
object
是
定义音频的详细参数
SpeechParam.Speed
float
是
语速（1.0为正常语速，范围[0.5-1.5]，值为0.5时播报语速最慢，值为1.5时播报语速最快，DriverType为音频驱动类型时，语速控制不生效）
SpeechParam.TimbreKey
string
否
音色key，默认使用形象自有音色
SpeechParam.Volume
int
否
音量大小，范围[0，10]，对应音量大小。默认为0，代表正常音量，值越大音量越高。
说明：
TimbreKey 在 male_1-20、female_1-23（即男声1-20、女声1-23）间的音色不支持音量调节。
SpeechParam.EmotionCategory
string
否
控制合成音频的情感，仅支持多情感音色使用，可选值参考个人资产管理 API 分页查询音色列表接口。
SpeechParam.EmotionIntensity
int
否
控制合成音频情感程度，取值范围为 [50,200]，只有 EmotionCategory 不为空时生效。
SpeechParam.TimbreLanguage
string
否
音色语种，可选语种参考个人资产管理 API分页查询音色列表 接口，多语种音色在合成时必须选择对应语种。
VideoParam
object
否
定义合成视频的详细参数，
VideoParam.Format
string
否
视频输出格式，默认 TransparentWebm
TransparentWebm：带 Alpha 通道的 webm 格式视频
TransparentMov：带 Alpha 通道的 mov 格式视频
Mp4：绿幕 mp4 格式视频；非抠像形象为原始素材背景
CallbackUrl
string
否
当用户增加回调 url 时，将把视频制作结果以固定格式发送 post 请求到该 url 地址，固定格式见 附录二： 回调请求体格式，需注意：
1、限制 CallbackUrl 长度小于1000
2、只发送一次请求，无论是哪种问题导致的请求失败，都不会再进行发送。
DriverType
string
否
驱动类型，默认Text
1. Text：文本驱动，要求 InputSsml 字段必填
2. OriginalVoice：原声音频驱动，要求 InputAudioUrl 字段必填
3. ModulatedVoice：变声音频驱动，可通过 Speech.TimbreKey 指定音色，未填写时使用主播默认音色
InputAudioUrl
string
否
驱动数智人的音频 url，当 DriverType 为 OriginalVoice、ModulatedVoice 时，该字段必填。
音频格式要求：
1. 小样本形象时长不超过60分钟，不少于0.5秒；非小样本形象时长不超过10分钟，不少于0.5秒
2. 支持格式：wav、mp3、wma、m4a、aac
说明：
当 Format 为 TransparentMov 时，时长不超过6分钟，不少于0.5秒;
VideoStorageS3Url
string
否
可传入含鉴权 s3 协议存储 url，视频成品会上传至该 url
SubtitleStorageS3Url
string
否
可传入含鉴权 s3 协议存储 url，字幕成品会上传至该 url
ConcurrencyType
string
否
视频制作任务使用的并发类型，默认采用优先使用独享，其次使用共享的策略
1. Exclusive：独享并发，若无独享并发，任务提交失败
2. Shared: 共享并发
返回参数
参数
类型
必须
说明
TaskId
string
是
视频制作的任务 ID，携带 TaskId 访问音视频制作进度查询接口，可获得制作进度和制作结果
请求示例
{
    "Header": {},
    "Payload": {
        "VirtualmanKey": "k3dda2d3b56f4ec89778f2e032c2e294",
        "InputSsml": "你好，我是虚拟<phoneme alphabet=\\"py\\" ph=\\"fu4\\">主</phoneme>播",
        "SpeechParam": {
            "Speed": 1.0
        },
        "VideoParam": {
            "Format": "TransparentWebm"
        }
    }
}
返回示例
{
    "Header": {
        "Code": 0,
        "DialogID": "",
        "Message": "",
        "RequestID": "fde854eaa981c7f2f7285d1c7eca335b",
        "SessionID": "gzb7dec22117297528294581119"
    },
    "Payload": {
        "TaskId": "81883d47c6154edf8e276531f09227b6"
    }
}
 
 

参数	类型	必须	说明
VirtualmanKey	string	是	定义播报的角色、服装、姿态、分辨率等信息，参数为枚举值。说明：可以通过查询形象资产信息-查询主播下的所有形象接口查询
InputSsml	string	是	播报的文本内容，支持ssml标签，支持的标签类型参照数智人 SSML 标记语言规范，标签写法参照示例，内容不能换行，符号需转义。上限2万字（字数按 unicode 字符数计算）。DriverType为空、或 Text 时，该字段必填说明：当 Format 为 TransparentMov 时，上限为2千字。
SpeechParam	object	是	定义音频的详细参数
SpeechParam.Speed	float	是	语速（1.0为正常语速，范围[0.5-1.5]，值为0.5时播报语速最慢，值为1.5时播报语速最快，DriverType为音频驱动类型时，语速控制不生效）
SpeechParam.TimbreKey	string	否	音色key，默认使用形象自有音色
SpeechParam.Volume	int	否	音量大小，范围[0，10]，对应音量大小。默认为0，代表正常音量，值越大音量越高。说明： TimbreKey 在 male_1-20、female_1-23（即男声1-20、女声1-23）间的音色不支持音量调节。
SpeechParam.EmotionCategory	string	否	控制合成音频的情感，仅支持多情感音色使用，可选值参考个人资产管理 API 分页查询音色列表接口。
SpeechParam.EmotionIntensity	int	否	控制合成音频情感程度，取值范围为 [50,200]，只有 EmotionCategory 不为空时生效。
SpeechParam.TimbreLanguage	string	否	音色语种，可选语种参考个人资产管理 API分页查询音色列表接口，多语种音色在合成时必须选择对应语种。
VideoParam	object	否	定义合成视频的详细参数，
VideoParam.Format	string	否	视频输出格式，默认 TransparentWebm TransparentWebm：带 Alpha 通道的 webm 格式视频 TransparentMov：带 Alpha 通道的 mov 格式视频 Mp4：绿幕 mp4 格式视频；非抠像形象为原始素材背景
CallbackUrl	string	否	当用户增加回调 url 时，将把视频制作结果以固定格式发送 post 请求到该 url 地址，固定格式见附录二：回调请求体格式，需注意： 1、限制 CallbackUrl 长度小于1000 2、只发送一次请求，无论是哪种问题导致的请求失败，都不会再进行发送。
DriverType	string	否	驱动类型，默认Text 1. Text：文本驱动，要求 InputSsml 字段必填 2. OriginalVoice：原声音频驱动，要求 InputAudioUrl 字段必填 3. ModulatedVoice：变声音频驱动，可通过 Speech.TimbreKey 指定音色，未填写时使用主播默认音色
InputAudioUrl	string	否	驱动数智人的音频 url，当 DriverType 为 OriginalVoice、ModulatedVoice 时，该字段必填。音频格式要求： 1. 小样本形象时长不超过60分钟，不少于0.5秒；非小样本形象时长不超过10分钟，不少于0.5秒 2. 支持格式：wav、mp3、wma、m4a、aac 说明：当 Format 为 TransparentMov 时，时长不超过6分钟，不少于0.5秒;
VideoStorageS3Url	string	否	可传入含鉴权 s3 协议存储 url，视频成品会上传至该 url
SubtitleStorageS3Url	string	否	可传入含鉴权 s3 协议存储 url，字幕成品会上传至该 url
ConcurrencyType	string	否	视频制作任务使用的并发类型，默认采用优先使用独享，其次使用共享的策略 1. Exclusive：独享并发，若无独享并发，任务提交失败 2. Shared: 共享并发

视频制作接口-基础版

本页目录：

接口说明

调用协议

请求参数

返回参数

请求示例

返回示例