百度一镜数字人情绪语音需音色支持、参数配置与引擎启用三步协同：先确认音色含“支持情感参数调节”标识，再通过API传emotion字段或编辑器勾选情绪模板，直播还需开通双服务包并配置场控规则。
☞☞☞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☜☜☜
让百度一镜数字人开口说话时带情绪，不是调个参数就完事——语音情绪必须和数字人当前动作、嘴型、眼神同步，否则会像配音演员对不上口型那样出戏。你得先确认用的是支持情绪调节的音色，再逐层配置参数，最后在推流或视频生成环节启用情感合成引擎。
确认音色是否支持情绪表达
登录百度一镜控制台 → 进入【声音克隆】或【音色库】页面 → 找到你正在使用的音色（如“度书宁-亲和女声”或自定义克隆声）→ 点击右侧【详情】→ 查看“功能支持”栏中是否标注【支持情感参数调节】。若无此标识，该音色仅支持基础语速/音调调节，无法触发愤怒、悲伤等情绪模型。
注意：度雨萌、度小夏、度书古等SaaS音色默认开通情感参数；但部分低价基础音库（如度小宇标准版）需单独开通情感增强包，否则即使传入emotion=“happy”也会被静默忽略。
在线合成时注入情绪参数
方法一：REST API调用时在请求体中添加emotion字段
POST /v1/tts HTTP/1.1
Content-Type: application/json
{
"text": "这个价格真的太划算了！"
"voice": "duxiaoxia",
"emotion": "excited",
"speed": 1.2,
"pitch": 8
}
可用emotion值包括：neutral、happy、excited、sad、angry、fearful、surprised，不区分大小写。传入非法值（如“joy”或空字符串）将回退至neutral模式，不会报错但无情绪效果。
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。
方法二：网页端编辑器直接勾选情绪模板
在【数字人视频生成】→【脚本编辑】界面，选中某一句台词 → 右侧属性栏展开【语音设置】→ 下拉选择【情绪类型】 → 同时拖动【兴奋度】【紧张度】双滑块微调强度。此处调节实时生成预览音频，但最终导出视频时仍以API实际传参为准，编辑器设置仅作草稿参考。
直播推流中动态切换情绪
第一步：确保已开通【智能互动问答】+【情绪驱动语音合成】双服务包，仅开通直播推流基础包无法启用情绪响应。
第二步：在【一镜直播后台】→【场控策略】→【语音响应规则】中新建规则
① 设置触发条件：关键词匹配（如含“太贵了”→触发sad）、弹幕情感分值（调用内置NLP情绪识别API返回score② 绑定应答话术：填写带情绪标记的回复文本，格式为【emotion=angry】您这样讲，我确实需要重新核算成本。
③ 指定音色与合成节点：选择已授权的情绪音色，并勾选【启用Zeroshot情感合成引擎】（Minimax模型不支持实时情绪切片，仅用于离线视频）
第三步：开播前点击【测试情绪链路】按钮，系统会模拟一条“好失望啊…”弹幕，观察数字人语音是否降调、放缓、加入轻微气声——若仍用平直语调播报，则说明Zeroshot引擎未加载成功，需检查AK/SK权限或重装推流SDK至v3.7.2以上版本。
