华为云Flexus数字人对接使用全攻略：从零搭建到API集成实战

1. Flexus数字人是什么

分身数字人Flexus版是华为云数字内容生产线MetaStudio针对中小企业客户推出的一款轻量级数字人产品。它提供1080P的实景数字人、1分钟语料声音克隆能力以及120分钟1080P视频制作能力，帮助客户通过手机拍摄即可轻松制作数字人。Flexus分身数字人不仅简化制作流程，显著降低技术门槛，而且购买简单，为中小企业提供超简单、超高性价比的数字人解决方案。

与标准版数字人相比，Flexus版的价格优惠幅度超过90%，不到千元即可完成形象和声音的定制。它支持极速制作和非极速制作两种模式：极速制作耗时约20分钟（不含排队时间），适合需要快速生成数字人的场景；非极速制作耗时约3小时（不含排队时间），口播效果更好。

需要先登录华为云控制台，点击：华为云控制台，还没有账号，点击：注册并关联，已有账号点击：登录后关联

2. 购买Flexus数字人资源包

使用Flexus数字人之前，需要先购买相应的资源包。Flexus数字人包含Flexus分身数字人和Flexus分身数字人视频制作两个计费项。每提交一个Flexus分身数字人定制任务，会同时生成一个Flexus形象和一个Flexus声音，对应消耗一个形象资源和一个声音资源。

购买资源包的操作步骤如下：登录华为云控制台，进入MetaStudio服务概览页面，单击“购买资源”，即可选择所需资源包进行购买。Flexus数字人采用套餐式购买方式，一次下单即可同时获取形象、声音和视频制作的所有资源，无需分别选择和购买各项服务，有效时间长达一年。

需要注意的是，Flexus数字人不支持个人用户定制形象和声音，仅支持企业用户。定制Flexus数字人时，从平台下载的授权书中有明确说明，定制分身形象需授权给公司使用。

3. Flexus分身数字人形象采集

形象采集是制作Flexus数字人的关键前置步骤。采集工作直接决定了最终数字人的呈现效果，因为数字人形象会与录制效果保持一致，包括服装、手部动作、面部表情以及各方面的姿态等。

3.1 拍摄设备与规格

支持手机或相机拍摄，需1080P或更高分辨率。录制时长为2分钟，包含5秒静默状态和1分55秒的演讲过程。允许使用中文或英文录制。如果是极速制作Flexus形象数字人，目前仅支持分辨率1080P且时长在1到2分钟内的视频，支持MP4、三通道MOV格式的视频。如果是非极速制作Flexus形象数字人，支持MP4、MOV格式的视频，推荐MP4格式。

3.2 拍摄注意事项

录制全程眼睛需注视镜头，周围环境保持安静，脸部光照明亮且均匀。拍摄完成后不要剪辑，整个视频一起上传至MetaStudio控制台。避免头部大幅度转动或者摆动，避免嘴巴被遮挡，可能造成口型异常。视频中需保证仅出现录制者及其声音，如果出现其他人物形象或声音，将会影响口型生成效果和声音克隆效果。避免动作幅度过大超出画面，避免相机距离人过远，建议人脸在画面中的占比超过五分之一。

5秒静默状态时，需正视镜头，面带微笑，嘴巴闭合，保持静默。演讲过程中不限制说话的内容，出现失误可直接略过或从错误位置继续说话，无需打断拍摄。背景尽量维持静态，不能出现规律性或大幅度的背景变化。画面保持稳定，建议使用手机支架或手机稳定器。在光线充足的地方拍摄，避免出现脸部光照不均匀或阴阳脸。

4. 控制台创建Flexus分身数字人定制任务

完成形象视频采集后，即可在MetaStudio控制台提交Flexus分身数字人定制任务。

4.1 操作前准备

创建Flexus分身数字人定制任务前，需要准备如下内容：1到5分钟的真人实景拍摄视频、身份证正反面照片、形象授权签署文件。

4.2 操作步骤

第一步，登录MetaStudio控制台，进入MetaStudio服务概览页面。第二步，单击“前往MetaStudio工作台”，进入MetaStudio工作台页面。第三步，单击“Flexus分身数字人”，进入Flexus分身数字人流程介绍页面。请认真阅读界面上方的规范和避免出现的问题，并仔细观看下方的形象拍摄视频，了解视频的制作流程和制作要求。第四步，单击“下一步”，进入Flexus分身数字人制作页面。

4.3 界面参数配置

在Flexus分身数字人制作页面，需要配置以下参数：

训练视频：从本地上传已录制好且符合拍摄要求的真人实景视频，训练生成Flexus数字人形象和Flexus声音。训练生成的分身数字人形象与真人形象完全相同。

极速制作数字人：如果勾选“极速制作数字人”，会加快生成数字人，耗时约20分钟；不勾选则耗时约3小时，这里的时间均不含排队时间。

声音模型制作语料类型：Flexus分身数字人制作任务会同时生成一个Flexus形象和一个Flexus声音，所以也需要提供音频。可以选择“单独上传语料包”方式，单独录制音频文件上传，音频格式支持WAV、MP3，单段音频时长1到5分钟，建议1分钟。语料中的语言仅支持中文和英文。也可以选择“视频中提取声音”方式，直接提取训练视频的声音，训练生成Flexus声音。须知：“单独上传语料包”的方式生成Flexus声音的效果会更好。

数字人名称：生成的Flexus数字人名称。声音性别：选择声音的性别，男声或女声。联系方式：请输入有效的11位手机号码。身份证照片：需要分别上传身份证人像面和国徽面的照片。形象声音授权：上传形象授权书。操作如下：单击“授权书模板”，将授权书模板下载本地；打印授权书，由身份证本人完成签署操作。

5. 查看训练任务与审核

Flexus分身数字人训练任务提交后，会同时生成一个Flexus分身数字人训练任务和声音制作任务。在左侧导航栏中，选择“任务中心 > 分身形象制作”，可以查看生成的Flexus分身数字人训练任务，其“任务类型”为“Flexus版”，任务名称为设置的“数字人名称”。

单击任务所在行对应“操作”列的“查看详情”，进入“定制任务详情”页面，可以查看分身数字人定制任务审核进展。系统会自动审核任务，并提交训练任务。等待Flexus分身数字人训练完成后，单击任务行右侧的“更多 > 查看详情”，再次进入“定制任务详情”页面。此时任务状态为“算法训练完成”，用户可以预览Flexus分身数字人的生成效果。如果满意，单击“通过”，即可用于后续的视频制作。如果不满意，则单击“驳回”，在“问题填写”界面输入问题标题、描述、更新后的视频或其他问题描述附件，服务确认后，将会在48小时内给出优化方案或者直接重新提交训练任务。

查看Flexus分身数字人声音训练任务：在左侧导航栏中，选择“任务中心 > 声音模型训练”。查看生成的Flexus声音制作任务，其“服务类型”为“Flexus版”，声音名称为设置的“数字人名称”。Flexus声音制作任务耗时较短。等待Flexus声音训练完成后，可以在“任务详情”页面试听Flexus声音。

6. Flexus数字人API集成开发

Flexus数字人支持通过API集成使用。开发者可以通过调用华为云MetaStudio的API接口，将Flexus数字人能力集成到自己的应用系统中。核心是调用创建分身数字人模型训练任务接口，并在请求参数中将is_flexus字段设置为true。

6.1 API调用前置准备

调用API前需要完成以下准备：注册华为云账号并完成实名认证；开通MetaStudio服务；获取IAM用户的认证Token；准备训练视频素材（1080P或4K分辨率，MP4格式，时长3到10分钟）。

6.2 创建分身数字人模型训练任务

创建训练任务的核心是调用POST /v1/{project_id}/2d-digital-human-model-training-jobs接口。关键请求参数如下：

{
  "name": "我的Flexus数字人",
  "model_version": "V3.3",
  "is_flexus": true,
  "business_type": ["VIDEO_2D"],
  "video_config": {
    "resolution": "1080P",
    "format": "MP4"
  }
}

其中is_flexus字段必须设置为true，这是Flexus版数字人的标识。model_version设置为V3.3对应极速版Flexus训练模型。business_type仅支持选择VIDEO_2D。

6.3 上传训练视频

创建训练任务后，会返回训练视频的上传URL。开发者需要通过该URL上传训练视频文件。该URL在文件上传成功后失效，只能上传一次。视频必须是1080P或者4K分辨率（横竖屏皆可）的MP4格式，视频长度须大于等于3分钟且小于等于10分钟，否则审核会不通过。

curl -X PUT "{training_video_upload_url}" \
  -H "Content-Type: video/mp4" \
  --data-binary @"/path/to/training_video.mp4"

6.4 查询训练任务状态

可以通过GET /v1/{project_id}/2d-digital-human-model-training-jobs/{job_id}接口查询训练任务的进度和状态。任务状态包括：待审核、审核中、训练中、训练完成、已通过、已驳回等。当任务状态变为“训练完成”后，即可预览和审核数字人效果。

6.5 视频制作API

数字人训练通过审核后，可以通过API创建视频制作任务。调用POST /v1/{project_id}/2d-digital-human-videos接口，指定Flexus数字人ID、剧本内容（文本驱动或音频驱动）等参数。脚本类型支持TEXT（文本驱动，通过TTS合成语音）和AUDIO（音频驱动）两种模式。

{
  "digital_human_id": "{flexus_digital_human_id}",
  "script_type": "TEXT",
  "script_content": "大家好，我是华为云Flexus数字人",
  "voice_type": "female"
}

7. Flexus数字人与DeepSeek大模型对接

Flexus数字人能够对接运行在华为云上的DeepSeek-R1/V3大模型，实现实时互动，满足多种应用场景需求。当前在华为云MaaS大模型即服务平台上部署DeepSeek-R1/V3大模型，还能每个模型免费领取200万Tokens，足够用于日常的业务场景。

7.1 解决方案架构

华为云提供了基于MetaStudio、ModelArts Studio以及Flexus云服务器X实例的数字人交互服务快速部署方案。该方案包含以下核心组件：数字内容生产线MetaStudio提供数字人形象与视频制作能力；ModelArts Studio大模型即服务平台提供DeepSeek等大模型的在线推理服务；Dify作为LLM应用开发平台，负责编排对话流程；Flexus云服务器X实例用于部署Dify平台。

7.2 对接步骤

第一步，在华为云MaaS平台上部署DeepSeek-R1或DeepSeek-V3大模型，获取API URL和API Key。第二步，基于Flexus云服务器X实例一键部署Dify智能体平台。第三步，在Dify中配置DeepSeek大模型的API接入。第四步，通过MetaStudio的智能交互功能，将Flexus数字人与Dify对接，实现数字人基于大模型的智能对话能力。

8. 视频制作与使用

Flexus数字人训练通过审核后，即可用于视频制作。Flexus数字人视频制作时，必须使用Flexus形象；声音可以使用Flexus声音或标准版声音。标准版视频制作不支持使用Flexus形象或声音。Flexus数字人与标准版数字人的视频制作资源不共享，分开计费。

在MetaStudio控制台中，选择已通过审核的Flexus数字人形象，输入需要播报的文本内容或上传音频文件，系统会自动合成数字人播报视频。视频制作时长有限制，不能大于所购预付费资源包中的时长规格。平台合成的视频按秒记录时长，套餐包以分钟记录时长，合成视频的总时长会从秒转化为分钟，保留小数点后两位，末位四舍五入。

9. 使用限制与注意事项

Flexus分身数字人目前仅支持视频制作，不支持视频直播和智能交互。Flexus分身数字人形象训练视频仅支持真人实景拍摄。如果用户上传了绿幕视频，也不支持抠除绿幕，生成的Flexus分身数字人携带绿幕展示。Flexus数字人采用实景拍摄，视频制作时不支持切换背景。Flexus数字人不支持个人用户定制形象和声音，仅支持企业用户。

10. 计费说明

数字内容生产线支持按需计费、包年包月（包周期）、一次性计费等计费模式。Flexus分身数字人按Flexus数字人生成个数和声音克隆个数计费。每提交一个Flexus分身数字人定制任务，会同时生成一个Flexus形象和一个Flexus声音，对应消耗一个形象资源和一个声音资源。Flexus分身数字人视频制作按Flexus数字人视频制作时长计费。不同计费方式的抵扣顺序为：一次性计费大于按需预付费套餐包大于按需计费。一次性计费模式下的19.9元“分身数字人视频制作60分钟体验包”，是未购买过MetaStudio资源的新用户专享福利，仅支持用来视频制作，不支持训练形象。

11. 常见问题解答

问：Flexus数字人支持通过API集成使用吗？

答：支持。在调用创建分身数字人模型训练任务接口时，将is_flexus参数设置为true即可。

问：Flexus数字人支持视频直播吗？

答：Flexus分身数字人目前仅支持视频制作，不支持视频直播和智能交互。

问：个人用户可以使用Flexus数字人吗？

答：Flexus数字人不支持个人用户定制形象和声音，仅支持企业用户。

问：Flexus数字人极速制作和非极速制作有什么区别？

答：极速制作耗时约20分钟，适合快速生成数字人的场景；非极速制作耗时约3小时，口播效果更好。

问：Flexus数字人可以对接哪些大模型？

答：Flexus数字人可以对接运行在华为云上的DeepSeek-R1/V3大模型，实现实时互动。

问：Flexus数字人视频制作时可以使用标准版声音吗？

答：可以。Flexus数字人视频制作时，必须使用Flexus形象，声音可以使用Flexus声音或标准版声音。