概述

说明

数字人PaaS 全新升级并更新为数字人 API ，为开发者提供低成本、高质量的数字人服务：

全新自研推理方案，超低价格、支持大并发，极致性价比。
图片数字人方案升级，增加自然动作，形象更生动活泼。
推理性能大提升，推理耗时 < 500ms；搭配 AI agent 快速实现AI对话，互动时延 < 1.5s。
优化服务端 API ，更灵活的输出原子能力，满足业务灵活定制集成。

产品简介

ZEGO 数字人 API ，基于即构自研的 AI 引擎，通过服务端 API 快速接入，开发者可快速定制生成形象生动的数字人形象，基于定制形象输出文件视频或实时音视频流，灵活适用于AI 陪伴、数字人客服、直播电商、AI教师等场景。

产品优势

媲美真人的数字人形象

基于 ZEGO 自研数字人形象生成引擎，开发者可实现真人数字人、图片数字人2种形象定制服务。

真人数字人：采集一段真人拍摄视频，经过 AI 训练后生成的神态、动作、表情媲美真人的数字人，可自定义背景、支持最高2k超清画质、支持自定义动作驱动，数字人形象逼真，效果自然。
图片数字人：只需一张图片，经过 AI 训练即可让图片“活”过来，图片支持真人、卡通、虚拟人等各类形象；生成的形象口齿清晰、表情自然、并能具有一定的自然动作、活泼生动。

多模态驱动，高质量内容生成

ZEGO 自研数字人内容生成引擎，支持异步短视频文件生成和实时音视频流输出。

异步短视频文件生成：调用 API 接口自定义数字人短视频制作所需要的背景、形象、文本等配置，支持输出不同视频格式、最高2K分辨率超清画质的短视频内容。
实时音视频流输出：
- 通过文本、音频、实时音视频流驱动数字人进行内容生成，可输出最低延迟 < 500ms 的实时音视频流，满足直播、互动对话等超低延时实时互动场景需要。
- 可通过关键字驱动数字人进行指向性动作，满足自定义行为诉求，让数字人更加生动自然。
- 照片数字人驱动支持身体动作，让照片不止会“说”，更能“动”起来，形象“栩栩如生”。
- 极致性价比：超低价格、支持大并发，满足用量较大的互动对话、互动教学等场景，帮助业务极致降本。

说明

使用实时音视频流输出功能，需搭配实时音视频能力。

灵活接入，高效集成

高效对接：标准化API，最少两个接口即可完成数字人能力构建
多样组合：原子能力自由组合，满足业务灵活定制，适配不同场景需求
全平台支持：兼容Web、App、小程序等多平台
多部署方式：支持公有云、私有化等部署形式

产品功能

功能模块	功能名称	功能描述
定制数字人形象	真人数字人形象	拍摄一段真人视频，即可定制真人数字人形象，拍摄可参考视频数字人采集指南。
	图片数字人	通过向图片生成数字人 API 上传一张图片即可快速生成数字人形象。说明功能内测中，请联系 ZEGO 商务。
	数字人资产查询	查询可用的公共/定制的数字人形象、音色列表。
异步短视频文件生成	短视频文件生成	支持生成的文件格式：MP4、WebM（支持 Alpha 透明通道）。支持生成的视频清晰度：1080P、2K。说明功能升级中，请联系 ZEGO 商务
异步短视频文件生成	短视频配置	支持替换视频背景（需形象是绿幕背景）；支持增加装饰图片。支持自定义布局、自定义短视频文本、短视频语速等设置。
实时音视频流输出	创建/停止数字人音视频流	支持根据业务场景需求，自行创建/停止数字人音视频流任务。
	自定义设置最大流时长	设置数字人视频流任务最大时长，持续时间达到该值自动结束，最大24H。
	自定义数字人	设置数字人的背景图片/背景色。设置视频内容布局。数字人布局 layout：针对每个图层设置坐标。针对每个图层设置图层宽度和高度。设置图层的顺序。
	自定义视频流参数	设置房间 ID 和流 ID。
	自定义视频参数	设置音视频流的编码方式、分辨率、码率。
	多模态驱动数字人	支持通过文本、音频文件、RTC流式、WebSocket音频流式驱动数字人。
	自定义数字人动作	支持调用动作名称驱动数字人进行指定动作。
	打断数字人驱动行为	支持打断正在驱动中的数字人，以便于开启新的驱动任务。
	获取音视频流任务驱动状态	获取数字人视频流的驱动任务状态，包括历史的驱动记录；状态包括： 1：排队中。 2：驱动中。 3：驱动失败。 4：驱动结束。 5：驱动中断（被打断）。
	获取音视频流任务状态	获取音视频流的任务状态，支持查询已经结束的视频流任务状态；状态包括： 1：视频流任务初始化中。 2：视频流任务初始化失败。 3：推流中。 4：正在停止推流。 5：已停止推流。
	查询所有运行中的数字人音视频任务	获取所有运行中的数字人音视频任务列表及推流状态。状态包括： 1：视频流任务初始化中。 3：推流中。