文本、形象及声音设置
数智人可用于制作视频（包含音频），本文指导您创建音视频项目，并在项目中对文本、形象及声音进行编辑。
创建项目
在进行文本、形象及声音设置前，您需要先创建项目，并选择形象类别。
1. 登录 数智人平台。
2. 在场景应用 > 音视频制作中，单击新建音视频播报项目，即可创建一个新项目。
3. 选择一个形象类别，作为项目关联的形象。
注意：
如果您的视图中没有可选类别或者类别比较少，主要原因是：您的账号下没有对应形象类别的形象。您需要先拥有对应的形象，才可以看到对应关联的入口。
每个形象类别的背后调用模型不同，所以要在一开始就先选定形象类别，我们为您提供了多种形象类别，如下图。
编辑操作
创建好项目后，有5个地方可以进行编辑操作，如下图。
更换形象或声音
点击后可以进入自己账号下的形象库，查询合适的形象来替换当前默认提供的形象；点击旁边的音色，可以更换别的音色。
调整形象 | 调整音色 |
 |  |
选择需要的形象，即可完成更换。形象支持按照“最早” 和“最新”的时间进行排序。 | 有多种形象分类的标签，可以帮助用户快速筛选出所选音色，支持试听。 公共音色：数智人提供的公有音色库 我的音色：用户在数智人平台自己定制的音色 三方音色：支持用户导入第三方音色，目前支持：微软Azure和Google TTS两家。点击“导入TTS”输入相关ID，即可完成导入。 |
通过文本驱动或音频驱动生成视频
文本驱动即通过输入一段文字，最终生成的视频按照输入的文字播放出来；音频驱动则是上传一段音频，最终生成的视频将会播放这段音频。两种模式下，均支持编辑形象素材，调整输出的形象动作效果。
文本驱动 | 语音驱动 |
 |  |
文本驱动模式下，提供了多种工具方便对文本进行编辑，目的是匹配形象动作和声音播报。某些工具跟当前选择的形象有关系，特定形象下才可使用。 | 音频驱动模式下，制作的视频输出音频即上传的音频。 |
支持更多的编辑功能
例如：播报内容是指在文本驱动模式下，支持插入停顿、插入动作、语速设置、连续词汇、多音字检测、替换文本等多种功能，有些功能跟形象类别有关联，更换其他类别会处于置灰不可用状态。
造型：根据当前形象具备的服饰、发型等进行随意搭配（前提是这个形象要具备多套服饰配件）。
输出设置
支持多种参数配置，包括：输出类型（横屏或者竖屏）、输出分辨率、字幕设置、站位调整、增加片头/片尾、更换背景、增加等多种能力。
输出类型：支持横屏或竖屏输出  | 调整分辨率：若形象有多个分辨率，可以进行切换  | 字幕设置：可以选择生成视频时，是否附带字幕  |
片头或片尾：支持导入一段视频作为片头或片尾  | 背景更换：点击即可更换背景。支持新增背景图。  | 添加 LOGO：可以在视频中增加 LOGO，LOGO 图片需要您自行添加。  |
调整形象比例大小
您可以通过选择指定比例，可以快速调整形象的大小。
0.5倍 | 0.75倍 | 1.0倍 | 1.25倍 | 1.5倍 |
 |  |  |  |  |
选择生成结果
支持输出视频或者仅输出音频。生成视频时，支持输出不同的格式，可以根据实际情况进行选择。
生成视频 | 生成音频 |
 |  |
文档反馈