必须手动切换方言发音人，否则数字人默认使用普通话；需在语音合成管理中确认并启用粤语、四川话等方言发音人，未开通权限须先提交工单；配音时在语音合成参数中选择对应发音人，文本需用粤语书写或添加［lang=zh-yue］等标识，混合语种须分段标注；背景音可增强沉浸感，但需注意音量比例与循环设置。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想让百度一镜数字人用粤语或四川话配音，而不是千篇一律的普通话，就得绕过默认语音模型，手动切换到对应方言发音人——这步漏掉，数字人张嘴还是标准播音腔。
确认当前数字人支持的方言发音人
打开百度智能云控制台 → 进入「一镜数字人」服务页 → 点击左侧菜单「语音合成管理」→ 在「发音人列表」中查找带「粤语」「四川话」「闽南语」等标签的发音人。注意：不是所有数字人模板都默认启用方言发音人，部分需单独开通权限。
若列表里只看到“度晓峰”“度小满”等普通话发音人，说明当前账号未开通方言语音私有化服务，【必须先提交工单申请开通方言能力，否则后续所有设置无效】。
为数字人视频任务绑定粤语发音人
进入「数字人创作」→ 选择已创建的数字人项目 → 点击「配音设置」→ 展开「语音合成参数」→ 找到「发音人」下拉框。
在下拉选项中，选择「度小粤-粤语女声」或「粤语男声」；若需四川话，选「四川小哥」或「度小蓉」；如需东北话、上海话等，直接搜索对应名称（如“度阿锦”“度阿花”）。
⚠️ 注意：同一段脚本不能混用多种方言发音人，如需切换语种，必须拆成多个配音片段分别生成。
调用百度PaddleOCR‑VL大模型API，支持PDF、Word、PPT、图片等多格式文档解析，精准识别印刷体、手写体、表格、公式、图表、印章等复杂元素，支持100+语言，可处理不规则布局和跨页长文档。触发词：文档解析、VLM解析、大模型OCR、PaddleOCR、多模态文档、手写识别、公式识别、复杂版面。
上传含粤语/四川话语音的原始文本
方法一：直接粘贴粤语书面语文本（如“今日天气真系好”“我哋去食饭啦”），系统自动识别语言并调用对应发音人。
方法二：在文本前加语言标识符，强制指定语种。例如：
［lang=zh-yue］今日返屋企食饭未？
［lang=zh-sichuan］你吃过饭没得？
方法三：对混合文本做分段标注。比如普通话+粤语夹杂场景：“欢迎来到广州（［lang=zh-CN］）→ 呢度真系好热闹（［lang=zh-yue］）”，每段独立触发对应发音人。
不加标识也不用粤语书写时，系统可能误判为错别字或拼音，输出生硬读音——比如把“咗”读成“zuǒ”而非“jo²”。
添加背景音增强方言沉浸感
第一步：在配音设置页勾选「启用背景音融合」。
第二步：点击「上传背景音」，支持MP3/WAV格式，建议选用岭南茶楼环境音、成都巷子叫卖声等本地化音效。
第三步：调节人声与背景音音量比例，方言配音建议人声音量设为85%，背景音15%，避免盖过咬字细节。
第四步：开启「循环播放」仅适用于纯氛围音，若含节奏型音乐，请关闭此选项，否则结尾突兀截断。
背景音文件一旦上传并合成进视频，就无法在已生成成品中替换——如需调整，必须重新提交整个配音任务。
