百度一镜数字人支持云端实时渲染，无需本地高性能硬件，5分钟即可完成形象克隆与部署，提供网页、小程序、PC三端接入，支持语音/文本驱动及微表情增强，端到端延迟≤210ms。
☞☞☞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☜☜☜
想用百度一镜数字人做直播、客服或产品讲解，又担心本地电脑跑不动、延迟高、画质糊？不用自己搭渲染服务器，也不用买高端显卡，直接走云端实时渲染路径，5分钟内就能让数字人开口说话、自然眨眼、流畅动作——所有算力都在云端完成，你只需要一个能上网的浏览器或小程序。
开通云端渲染服务并绑定数字人形象
登录百度智能云控制台 → 进入「数字人」服务页 → 点击「立即开通」，选择「一镜数字人·云端实时渲染版」套餐（含基础算力包，支持1080P@30fps）。
开通后自动跳转至「数字人管理后台」，点击「新建形象」→ 选择「上传视频克隆」，按提示上传一段10秒以上、正脸无遮挡的MP4视频（【文件大小不可超过500MB，且必须为单人出镜】）。
系统1分钟内完成形象生成，自动进入「形象详情页」。此时不要点「下载模型」，而是直接点击右上角「启用云端渲染」按钮，等待状态变为「已就绪」即可。
配置实时驱动参数（语音+动作）
在同一个形象详情页中，切换到「驱动设置」标签页。
方法一：语音驱动（推荐新手）
开启「语音输入驱动」开关 → 选择已授权的TTS音色（如「张伟-商务男声」）→ 设置语速0.9、语调+2 → 勾选「自动口型同步」和「微表情增强」。
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：文本驱动（适合批量播控）
关闭语音输入 → 开启「API文本驱动」→ 复制页面下方提供的WebSocket地址和鉴权Token → 后续可通过POST请求发送JSON格式文本（最大3000字），触发数字人实时播报。
注意：若未开启「微表情增强」，数字人将全程面无表情，仅嘴唇动，观感生硬；该选项默认关闭，务必手动打开。
接入播放端：网页/小程序/PC客户端三选一
第一步：网页嵌入（最简）
复制「嵌入代码」区块中的HTML片段 → 粘贴到自有网页的<body>内 → 保存后用Chrome/Firefox访问，数字人即刻加载。
第二步：小程序接入（需真机调试）
在微信开发者工具中打开项目 → 修改app.json，添加插件声明："plugins": {"digitalhuman": {"version": "2.3.1", "provider": "wx702e7833d34cdcc5"}} → 在对应页面wxml中插入<digitalhuman-view settings="{{cfg}}" /> → 编译预览，扫码真机测试。
第三步：PC客户端直连（低延迟场景）
下载「百度一镜数字人桌面客户端（v2.6.0+）」 → 安装后登录同一百度账号 → 新建会话 → 选择已启用云端渲染的形象 → 点击「启动实时渲染」→ 客户端窗口即显示1080P低延迟画面（实测端到端延迟≤210ms）。
启动实时渲染并验证效果
① 打开任意接入端（网页/小程序/PC客户端），确保网络稳定（建议≥50Mbps下行带宽）；
② 在网页控制台或小程序调试器中，确认WebSocket连接状态为「connected」；
③ 在「驱动设置」页点击「测试播报」，输入“你好，我是AI助手”，点击发送；
④ 观察数字人是否同步张嘴、眨眼、点头，口型与语音严格匹配，无卡顿、无黑屏、无音频不同步；
⑤ 若出现画面冻结，立即检查浏览器是否禁用了WebGL，或尝试切换至Edge/Chrome最新版。
