简介

AvatarGo 用一张照片，就能让你的应用有一个会说话的数字人。有两种用法：

• 实时通话：数字人在你的网页里和用户实时对话。它会听、用声音回答、口型同步，显示字幕，用户插话时会停下来听。
• 预渲染：用你写的一段文字生成一段数字人说话的视频，下载后放在任何地方用，比如网站、课程、消息里。

实时通话

通话的对象是一个角色：一张脸、一个声音，加上它知道什么、怎么做事——它的指令、开场白、可以查阅的文档，以及可以使用的工具，比如查询你服务器上的数据，或在你的页面里执行一个操作。角色在 AvatarGo 控制台 里搭建，也可以在那里试打一通。见 Characters。

把通话放进你的页面，分两步：

1. 你的服务器用 API key 创建一个会话，把这通会话的 session token 交给页面。
2. 你的页面用 JavaScript SDK 加入会话，在 <video> 元素里显示数字人。

API key 只留在你的服务器上，页面拿到的只有 session token。Quick start 用几行代码完成这两步。

如果你已经有自己的语音识别、语言模型和声音，可以用 Avatar only：你的服务器发送音频，数字人对口型，不需要角色。见 Avatar only (your own audio)。

预渲染

给一张图、一个声音和一段文字，得到一段数字人说这段话的视频（MP4），需要的话还有字幕（SRT）。分两种：

• Talking head：头肩画面，用一张人脸照片。
• Half-body：整张图原样保留，手和道具都在，插画也可以；生成时间更长。

在控制台的 Pre-render 页面生成，或由你的服务器调用 POST /v1/renders。文字最多 4,000 字符，视频最长 5 分钟。视频在后台生成，好了就能看到，一直保留到你删除。见 Pre-render。

接下来

• Quick start：在网页里打通第一通电话。
• Reference：JavaScript SDK 的所有函数和选项。
• Events：字幕、工具调用、通话怎么结束，实时可知。