- 博客(21)
- 收藏
- 关注
RSS订阅原创 数字人不限时长安装教程
模型选择与下载：推荐选用开源的无限时长数字人模型（如 SadTalker-lite、D-ID 开源版、ChatTTS+LivePortrait 组合），从 Hugging Face 或 GitHub 下载模型权重（需注意模型许可协议），将权重文件放入本地指定目录。无限时长生成：在界面中上传长文本 / 长音频（无时长限制），模型会自动分帧渲染数字人口型、表情与动作，再通过拼接算法生成完整的长时长数字人视频，可直接导出 MP4 格式。部署后通过修改配置参数优化性能，即可实现无时长限制的数字人生成。
2025-12-17 11:14:34
306
原创 视频字幕精确生成方法 用到字幕api开发文档
audio_urls 否 object {"audio_urls": ["https://xxx/xxx.mp3", "https://xxx/yyy.mp3"]} 批量音频 URL 数组，仅 type=start 时有效（免费测试仅支持 10 秒内音频）本文档将详细介绍如何调用 /api/stt/audiototexturls 接口完成音频转文字，并基于接口返回的时间轴数据生成 SRT 等格式的精准字幕，帮助开发者快速实现相关功能。二、开发步骤（Python 示例）
2025-12-17 11:07:33
387
原创 手持产品数字人生成 API 接口文档
ratio 是 string 画面比例<br>可选：16:9, 9:16, 1:1, 4:3, 3:4, 3:2, 2:3<br>默认：16:9 16:9。"status": "pending", // 状态: pending, processing, completed, failed。"url": "/video.mp4", // 结果文件下载地址。"status": "completed", // 任务状态。"progress": "0%" // 处理进度。
2025-12-05 10:11:49
342
原创 语音合成PRO版接口API新手文档（实时音频流base64编码）
本接口为语音合成 PRO 版，支持基于实时音频流的 base64 编码输出，可将传入的文本内容转换为指定音色、格式的音频，同时支持音量、语速、音调等参数自定义调整。关联的音频相关资源（如通过 “声音复刻 PRO” 生成的音色对应的音频文件、合成后输出的 MP3/WAV/PCM 格式音频），若后续需通过其他接口（如视频提取音频接口）进一步处理，需提前确认资源链接的公开可访问性，避免出现 “非公开视频无法访问”“网页解析失败，可能是不支持的网页类型” 等问题。待合成的文本内容，单次请求不超过 2000 字符；
2025-12-04 16:17:35
544
原创 全场景数字人智能交互解决方案
FastGPT支持：OpenAI（GPT系列）、Anthropic（Claude系列）、Gemini、Grok、通义千问、豆包、Deepseek、ChatGLM、文心一言、Kimi、MiniMax、讯飞星火、混元、阶跃星辰、零一万物等主流模型；无论是企业打造智能客服终端、政务大厅引导屏，还是商业场景的互动大屏、品牌数字人对话系统，AI实时对话数字人系统4.0.1版都能提供高效、灵活、可拓展的技术支撑，助力快速实现智能化升级。形象管理：支持自定义数字人形象名称、品牌LOGO、封面图，强化品牌辨识度；
2025-12-03 09:15:38
354
原创 ai配音系统源码开发功能表
它能够将任意文本转化为高度拟人、富有表现力的语音，广泛适用于视频制作、有声内容、广告宣传、教育培训等多种场景，极大地提升内容创作的效率与质量。它不仅提供了高质量的AI音色，更通过深度的播控功能，赋予创作者前所未有的细节把控力，让每一段合成语音都精准传达所需情感与专业度，真正实现“所想即所得”的语音创作体验。智能停顿：通过“插入停顿”与“段落静音”功能，自主控制语句间、段落间的间隔时长，使播报更符合听觉习惯。实时效果预览：“立即效果”功能允许用户在最终合成前，对调整后的片段进行试听，确保效果满意。
2025-12-03 09:13:44
126
原创 视频提取文案音频分离接口api开发文档
五、返回数据说明 （一）返回参数。AI视频分析接口开发文档 一、接口概述 本接口用于实现 AI 视频分析功能，支持传入视频地址信息（含短视频分享链接等），获取视频相关的提取文字信息、视频音频 URL 下载地址、视频封面地址等数据，助力开发者快速获取视频核心信息及相关资源。音频地址兼容性：返回的音频地址（如示例中的 https://#/#.mp3）可能存在格式支持问题，若需使用该音频资源，需提前确认接口支持的音频格式，避免出现解析失败情况（如前文提及的 MP3 链接解析失败问题）。
2025-12-02 08:52:38
375
原创 Ai歌曲翻唱api接口开发文档
本接口用于实现 AI 歌曲翻唱功能，支持通过传入音乐音频 URL、人声音频 URL 及回调 URL，获取翻唱任务 ID，后续可通过回调 URL 接收翻唱结果。（POST 请求时，参数需按 application/x-www-form-urlencoded 格式拼接在请求体中）回调 URL，用于接收翻唱任务的执行结果（需确保 URL 可正常接收回调请求）待翻唱的音乐音频 URL（需为 MP3 格式，确保 URL 可正常访问）（一）请求头（HEADER）接口执行耗时（单位：秒）（二）返回示例（成功）
2025-12-02 08:47:06
323
原创 实时对话数字人api接口新手教程
除了场景1里的key、type（这里填“chat”）、avatar_id、voice_id、robot_id，还要加“text”参数。| 接口密钥（key） | 登录“ kuhuyun 控制台”，在“密钥管理”里找 | 证明你是合法用户，接口才会理你 || 数字人形象ID（avatar_id） | 通过“克隆API”生成 | 决定数字人长什么样（比如是小虎还是小美） || 数字人音色ID（voice_id） | 通过“克隆API”生成 | 决定数字人说话的声音（比如是男声还是女声） |
2025-10-31 11:20:06
349
原创 Sora 2 视频生成 API 开发文档
任务状态（仅查询任务时返回）：- 0：创建中（视频生成未完成）- 1：创建成功（视频已生成，可通过 file_url 获取）- 2：创建失败（生成过程出错）。请求类型：- create：创建视频生成任务- query：查询已有任务的结果。4.2 示例 2：查询任务成功（状态为 “创建成功”，type=query）。状态码：- 200：请求成功- 400：请求失败（如参数缺失、密钥错误等）。4.3 示例 3：查询任务成功（状态为 “创建中”，type=query）。
2025-10-28 09:44:25
387
原创 GEO系统源码 AI搜索优化系统源代码
当客户搜索相关需求时，品牌能即刻出现在搜索结果前端，达成“一搜就看到你”；客户提出疑问，AI可快速匹配品牌相关解决方案，做到“一问就有你”；通过权威信息呈现与口碑背书，增强客户信任，实现“一查就信你”；再以优质内容和清晰转化路径，促使客户产生行动，达成“一看就找你”。这套营销逻辑，让品牌与客户需求高效对接，大幅提升转化概率。在数字营销领域，SEO靠链接搭建流量入口，GEO则以精准答案直击需求核心。借助AI技术，可让品牌识别更精准，将品牌信息主动推荐给目标客户，实现营销效能升级。SEO是链接，GEO是答案。
2025-09-04 09:35:18
319
原创 数字人视频分辨率都有那些？
数字人视频竖屏分辨率：分辨率1280×720（720P），全高清（FHD）分辨率1920×1080（1080P），超清（QHD）分辨率2560×1440（2K/1440P），4K（UHD）分辨率3840×2160（4K UHD）数字人视频横屏分辨率：上面的分辨率反过来×即可。来源：酷虎云数字人api开放平台。数字人短视频分辨率介绍。
2025-08-29 09:20:10
153
原创 字幕识别 字幕转换api接口开发文档
酷虎云音频转文字（STT）接口开发文档 1. 接口概述本接口为酷虎云提供的音频转文字（Speech-to-Text, STT）服务接口，支持通过提交音频URL的方式批量发起转写任务，并可查询任务状态及获取转写结果（含可导出为SRT格式的字幕信息），适用于需要将音频内容转化为文本或字幕的开发场景。 2. 接口基础信息 项目 内容 -----------
2025-08-28 09:22:59
763
原创 交互式数智人
通过摄像头捕捉用户的面部图像，数字人可以根据面部表情、动作等信息，做出相应的反应和互动。无论用户身处办公室、家中还是其他任何有网络连接的地方，都能通过相应的终端设备，远程启动数字人、调整其各项参数以及安排其执行相关任务，极大地提高了使用的灵活性和便利性。用户可以设置绿幕的颜色、阈值等参数，确保数字人能够准确地从绿幕背景中分离出来，与其他背景或场景进行无缝合成，提升视频的质量和效果。数字人的动作、表情可以配合相应的动画效果，如入场动画、退场动画、交互动画等，使数字人的形象更加生动、鲜活，提升用户的视觉体验。
2025-08-18 10:38:49
456
原创 数字人接口源码
数字人api大模型云端部署后即可无限api访问数字人合成数字人创建调整数字人清晰度等，支持无限复制、无限新增并发。免费试用满意再购买。企业服务场景：例如智能客服（多线路同时接入）、虚拟会展（多数字人并行互动）等，需要灵活调整数字人参数（清晰度、形象等）以适配不同场景。如果需要进一步了解该服务的技术细节（如 API 文档、清晰度参数范围）、试用流程或付费方案，可关注其官方渠道获取具体信息。内容创作领域：如短视频批量生成、虚拟主播多账号运营、个性化数字人 IP 打造等，依赖高并发和无限复制能力提升效率。
2025-07-16 18:34:50
141
原创 超清数字人api接口
参数方面，key（接口密钥，必填）、video_url（视频 URL，必填，格式为 mp4/mov，大小 < 5GB，单人脸且无遮挡，面部占比≥1/4，分辨率 360p-4k，时长 5 秒 - 30 分钟）、callbackUrl（自定义回调 URL，选填）。返回参数含code（状态码，200 为正常）、msg（状态信息）、time（时间）、task_id（任务 ID）、model_id（数字人模型 ID）。训练结果可通过回调（POST 通知）或轮询（用任务 ID 查询）获取，视频需经授权且合规。
2025-07-15 10:44:49
344
原创 4K 超清数字人 API 接口
4K 超清数字人 API 接口（数字人分身短视频训练 API）支持快速训练专属数字人分身形象，可 1:1 复刻真人 4K 超清高保真数字人。接口提供免费使用权限（需实名认证），支持 2K/4K 高清数字人模型生成，适用于短视频制作、虚拟形象打造等场景。video_url 是 string https://*/1/1.mp4 视频 URL 地址，需满足格式及内容要求。若未设置回调 URL，需通过 “数字人训练 H⁺获取结果” 接口轮询训练状态，直至任务完成。
2025-06-18 14:34:51
610
原创 数字人API接口
以本文研究的接口为例，其核心功能为 数字人形象训练 ，即用户通过上传包含人脸的视频文件，调用后台算法完成面部特征提取、动作建模及语音同步等训练流程，最终生成可交互的数字人模型。| video_url | 是 | string | https://*/1/1.mp4 | 训练视频的网络地址，需满足MP4/MOV格式、小于5GB、单人脸等技术要求。
2025-06-09 10:05:32
733
原创 123数字人api接口
123数字人API接口提供数字人视频合成服务，支持通过音频和视频模板生成播报内容。核心功能包括任务提交（需提供音频URL和可选视频模板）和状态查询，返回视频URL等结果。参数要求包括接口密钥、音频文件（≤90分钟/2G）等，视频需满足≤3GB、mp4/mov格式等技术标准。接口返回结构包含状态码、任务ID和视频地址等信息，适用于虚拟主播、教育等多场景应用。
2025-06-06 11:43:40
290
原创 语音转文字 API 接口介绍
接口名称：语音转文本 API 标准版，也可称为语音转文字接口、音频转文本 API 接口、录音转文本 API 接口、链接转文案 API 接口、视频转文字 API 接口、视频音频转文案 API 接口。“audio_url”：必填，类型为 string，示例值如 https://#/#.mp3 ，为音频 url 地址，限 post 请求，支持 mp3、wav、ogg 等音频格式。GET 请求示例：/api/stt/audiototext?接口地址：/api/stt/audiototext。
2025-04-24 10:41:08
810
原创 文字转语音 API 接口介绍
接口名称：文字转语音 API 标准版，也可称为文本转语音 API 接口、文本转音频接口、文字转音频 API 接口、文字转声音 API 接口、实时文字转语音接口、流式语音合成接口。以下是一个示例，通过 GET 方式请求接口：/api/tts/texttoaudio?“voiceName”：指定想要的语音音色 ID，可根据需求选择不同的音色。示例代码：提供了可供参考的代码示例，帮助开发者快速上手使用接口。接口地址：/api/tts/texttoaudio。API 文档：可查看详细的接口使用说明和规范。
2025-04-24 10:37:46
1012
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人