酷虎数字人系统是一套集成语音处理、AI计算、数字人驱动及流媒体输出的全链路智能系统，核心依托本地知识库、RAG向量知识库、AI大模型、语音服务（ASR/TTs）、数字人模型五大核心模块，通过协同工作将输入信息转化为可实时分发的直播流，最终输出RTMP、FLV、RTC三种主流流媒体格式，适配不同直播、互动场景需求。驱动模块接收AI大模型的指令（文本、语音信号），通过动作捕捉、面部表情驱动算法，实现数

酷虎数字人系统是一套集成语音处理、AI计算、数字人驱动及流媒体输出的全链路智能系统，核心依托本地知识库、RAG向量知识库、AI大模型、语音服务（ASR/TTs）、数字人模型五大核心模块，通过协同工作将输入信息转化为可实时分发的直播流，最终输出RTMP、FLV、RTC三种主流流媒体格式，适配不同直播、互动场景需求。驱动模块接收AI大模型的指令（文本、语音信号），通过动作捕捉、面部表情驱动算法，实现数

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

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

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

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

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。

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：/ap

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stringhttps://*/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

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（voic