2. 新手优先用：`select`(启动)、`play_once`(一键播报)、`interrupt`(打断)、`stop`(停止)2. 提交到直播队列：`POST /api/vocals/{vocal_id}/submit`3. 数字人没反应：先查状态`/player/status`，确保是`running`"audio_url": "你的音频在线地址", // 支持mp3/wav。参数：`au

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。

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

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

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

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。

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

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

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