Agent Skills
返回列表
腾讯云智能数智人

腾讯云智能数智人

设计多媒体 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_103c30c8/digitalhuman。

技能介绍

要解决什么问题

当你要在产品里接入虚拟数字人——让形象说话、用音频对口型、或低延迟实时互动——直接啃腾讯云 API 文档容易踩坑：签名里公共参数与 Body 分离、字段是 PascalCase、WebSocket 走 commandchannel、音频驱动是 Data.Audio 而非旧文档里的 AudioData，TRTC 观看端往往应复用 trtc:// 地址里的 userId 与 userSig。本技能 v1.0.2 原样打包腾讯云官方 Demo，把会话创建、状态轮询、驱动与 H5 播放串成可运行参考，而不是再拼一版「近似实现」。

技能如何工作

触发场景包括：创建/驱动数智人、音频驱动、视频或直播推流、接入数智人 API，以及 virtual human / 虚拟主播等表述。核心流程与官方脚本一致：

  • 用 appkey / accesstoken 及形象 assetvirtualmankey 或项目 virtualmanprojectid 创建会话，轮询 statsession 直至 SessionStatus=1
  • DriverType 固定为 3（音频+文本）；ReqId 为 32 位无横线 UUID
  • 经 WebSocket 下发驱动数据；长会话需 SEND_HEARTBEAT（间隔建议 30～60s，默认约 45s，避免约 10 分钟断流）
  • 播放可选 rtmp（兼容好）、trtc（约 200～400ms，H5 TRTC SDK）、webrtc（TCPlayerLite，须 HTTP 访问）

可直接运行官方主脚本 tencent_virtual_human_completeV1.py，或作为 Python 模块导入；依赖 Python 3.11 与系统 ffmpeg（音频驱动）。

边界与注意点

  • 形象资产过期、Python 版本过高、缺少 ffmpeg、WebRTC 用 file:// 打开、会话加载超时（SessionStatus=3 最长约 120s）等，需按平台与官方说明排查
  • TRTC 生产若用外部 AppId，透明背景、H5 裁剪等以官方 HTML/脚本配置为准
  • v1.0.1 及更早自行拼装版本与官方 Demo 在路径、字段上不一致，应以 1.0.2 官方源码为准

使用场景

  • 客服或互动产品要在应用内拉起云渲染数智人，用 TRTC 做低延迟实时对话与口型同步。
  • 市场或培训同事用现成录音通过音频驱动指定形象，快速验证讲解视频或口播预览效果。
  • 虚拟主播活动需创建数智人会话并选择 RTMP 推流，接入既有直播平台做对外直播。
  • 集成工程师在上线前对照官方 Demo 跑通签名、statsession 轮询与 WebSocket 音频驱动全链路。

适合人员

  • 负责腾讯云数智人 API 的后端工程师，要对齐 PascalCase 字段、签名与 commandchannel 协议的可运行样例。
  • 需用音频驱动虚拟形象产出讲解或口播素材的营销、培训或新媒体同事。
  • 要做 TRTC/WebRTC H5 播放与透明背景验证的互动产品或前端工程师。
  • 维护虚拟主播长时会话、需配置心跳并排查 10 分钟断流与 SessionStatus 超时的直播链路同学。