百度一镜支持分段式合成，但仅限高级接口或720漫游后台定制流程，普通工作台不支持；需按语义切分脚本、统一TTS参数、结构化配置各段数字人及背景等参数，再通过单次请求、逐段提交拼接或底板视频锚定三种方式合成。
☞☞☞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☜☜☜
你需要把一段长口播脚本拆成多个语义段落，分别驱动不同数字人、不同背景、不同镜头角度生成视频片段，再自动拼接成完整成片——百度一镜支持这种分段式合成，但必须严格按接口逻辑和素材结构组织。
确认是否适用分段式合成场景
分段式合成不是在网页端点击“添加分段”就能用的功能。它仅适用于调用高级视频合成接口（【/api/digitalhuman/open/v1/video/advanced/submit】）的开发者模式，或通过720漫游编辑后台接入的定制化流程。普通工作台“数字人视频合成”页面不提供手动分段入口。
准备结构化分段数据
第一步：将原始脚本按语义切分，每段控制在30秒以内（建议15～25秒），避免跨段出现代词指代断裂；
第二步：为每段标注独立参数：数字人ID、背景图URL或base64、字体颜色、字幕开关、是否启用PPT叠加层；
第三步：所有段落共用同一套TTS参数（如person=zh-CN-XiaoyiNeural, lan=Chinese），否则语音风格会突变；
注意：若某段需更换发音人，必须单独提交任务，不能混在同一请求体中——【混合driveType或person会导致整批任务失败】。
构造分段合成请求体
方法一：单次请求提交多段配置
在POST请求的JSON body中，使用segments数组包裹各段配置，每段含text、digitalHumanId、backgroundImage等字段；
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：逐段提交+服务端拼接
调用三次/api/digitalhuman/open/v1/video/advanced/submit，每次传入一段参数，获取三个task_id；然后调用拼接API（/api/digitalhuman/open/v1/video/concat）传入这三个ID，系统自动按顺序合成MP4；
方法三：用底板视频锚定节奏（仅限123数字人接口）
上传一个10秒标准底板视频→调用/fast接口三次，每次传入不同text和templateVideoId→后台自动按时间轴对齐并缝合，唇动与底板帧率强绑定，适合需要严格卡点的带货口播。
触发合成并获取结果
向https://open.xiling.baidu.com/api/digitalhuman/open/v1/video/advanced/submit发送POST请求→等待回调通知或轮询task_id状态→状态变为success后，调用GET /api/digitalhuman/open/v1/video/task/{task_id}/result获取合成视频直链；
若使用方法二拼接，需额外注意：三段原始视频分辨率必须完全一致（如均为1080×1920），否则拼接时会强制缩放导致画面变形；
合成后的视频默认无转场，如需淡入淡出，须在segments中为每段显式设置transition字段，值为fade_in_out或slide_left。
