销豹 AI 数字人 API：TTS、声音克隆与合成指南

一句话定义： 销豹数字人 API 是 apis.xiaobao.ink 开放平台上的人物口播能力集，开发者用同一把 API Key 完成声音克隆 → 文本转语音（TTS）→ 数字人高清合成，把「文案变成出镜说话的视频」接到自己的后端或 AI Agent 里。

项目	说明
产品	销豹 API · AI 数字人模块
Base URL	`https://apis.xiaobao.ink`
核心路径前缀	`/api/aihuman/`
鉴权	`?key=YOUR_API_KEY`
Markdown 文档	https://apis.xiaobao.ink/model/aihuman/
任务模式	异步为主（返回 `task_id`，查询或回调）

---

TL;DR

三步闭环：克隆音色（可选）→ TTS 出音频 → create 用人物视频 + 音频合成数字人。
音色两类：系统音色 voice_type=public，克隆音色 voice_type=custom。
TTS 文本上限：单次不超过约 2000 字；支持多语种（克隆音色场景下含中/英/日/韩等）。
合成输入：video_url（人物素材）+ audio_url（驱动音频）+ notify（回调）。
适合谁：虚拟主播、知识口播、电商讲解、企业内部培训视频自动化。

系列总览：销豹 API 开放平台是什么？

---

数字人 API 包含哪些接口？

能力	创建接口	查询接口	文档 slug
公共音色列表	`GET/POST /api/aihuman/public_voices`	—（同步列表）	`aihuman/public_voices`
公共数字人形象	`GET/POST /api/aihuman/public_avatars`	—（同步列表）	`aihuman/public_avatars`
数字人高清合成	`POST /api/aihuman/create`	`/api/aihuman/create_query`	`aihuman/create`
语音合成 TTS	`POST /api/aihuman/tts`	`/api/aihuman/tts_query`	`aihuman/tts`
声音克隆	`POST /api/aihuman/clonevoice`	`/api/aihuman/clonevoice_query`	`aihuman/clonevoice`

HTML 文档示例：公共音色见 /doc/58，公共形象见 /doc/53，合成见 /doc/11，TTS 见 /doc/10。完整参数以 /model/aihuman/*.md 为准。

---

标准工程链路（推荐）

文案
  → [可选] public_voices（取系统音色 voice_id）
  → [可选] public_avatars（无自有形象时取 video_url）
  → [可选] clonevoice（用户要「我的声音」时）
  → tts（text + voice_id → audio_url / 字幕）
  → create（person video_url + audio_url → 数字人成片）
  → [可选] 智能剪辑模板包装（见智能剪辑专题）

默认建议： 未要求「用我的声音」时，先调 public_voices 取 voice_id，再 voice_type=public 做 TTS，跳过克隆；未自备人物视频时，先调 public_avatars 取 video_url。

---

最小请求示例

1）TTS

POST https://apis.xiaobao.ink/api/aihuman/tts?key=YOUR_API_KEY
Content-Type: application/json

{
  "text": "大家好，这是销豹数字人 API 的测试口播。",
  "voice_type": "public",
  "voice_id": "c5469fea1ca07847",
  "lang": "zh-cn",
  "volume": 1,
  "speed": 1,
  "notify": "https://你的业务域名/webhook/tts"
}

要点：

text 必填，长度控制在文档上限内。
voice_id 必填；系统音色从 /doc/58 获取；voice_type 区分 public / custom。
长任务用 notify 收结果，也可用 tts_query 凭 task_id 轮询。

2）数字人合成

POST https://apis.xiaobao.ink/api/aihuman/create?key=YOUR_API_KEY
Content-Type: application/json

{
  "video_url": "https://你的可访问存储/avatar.mp4",
  "audio_url": "https://你的可访问存储/speech.mp3",
  "notify": "https://你的业务域名/webhook/aihuman"
}

成功响应常见形态：

{
  "code": 200,
  "msg": "string",
  "data": { "task_id": "string" }
}

再用 create_query 或 Webhook 取最终视频 URL / fail_reason。

---

素材与工程约束

约束	建议
URL 可访问性	`video_url` / `audio_url` 必须公网可读
人物视频	正面口播素材更稳；分辨率与时长影响成本与观感
音频对齐	优先用同一套 TTS 输出驱动口型，减少音画不一致
密钥	仅服务端或本机凭据持有，勿写入前端
失败处理	记录 `task_id` + `fail_reason`，便于重试与对账

---

典型业务场景

知识付费 / 课程：讲义文案批量 TTS + 固定数字人形象，日更成片。
电商讲解：SKU 卖点文案 → 克隆店主音色 → 数字人出镜。
企业培训：制度文档转口播，统一形象与语速。
Agent 自动成片：AI 助手读取 /model/aihuman/*.md 后自动拼参并轮询。

若目标是「可直接发布到短视频平台的包装片」，数字人输出后建议再接智能剪辑 API。

---

和「只做文生视频」有什么区别？

维度	通用文生视频接口	销豹数字人链路
输入	Prompt / 参考图	人物视频 + 音频/文案
可控性	创意强、口播一致性弱	人设、音色、文案可控
商务口播	常需多次抽卡	适合稳定日更
组合	可当 B-roll	常作 A-roll 口播主体

实务上二者常组合：数字人讲卖点，文生视频补空镜，再进智能剪辑。

---

FAQ

销豹数字人 API 是什么？

销豹开放平台提供的口播视频接口：用 API Key 调用 TTS、声音克隆与数字人高清合成，把文案变成人物出镜说话的视频。

必须先克隆声音吗？

不必。系统音色可直接 TTS；仅当用户要「自己的声音」时再走 clonevoice。

TTS 支持哪些语言？

系统音色与克隆音色能力以文档为准；克隆音色场景下 lang 可覆盖中文、英文、法语、德语、日语、韩语、俄语、葡萄牙语、泰语、印尼语、越南语等（默认 zh-cn）。

如何查任务状态？

使用对应 *_query 接口传入 task_id，或配置 notify 接收 POST 回调。

AI 助手应从哪里读文档？

https://apis.xiaobao.ink/model/aihuman/create.md https://apis.xiaobao.ink/model/aihuman/tts.md https://apis.xiaobao.ink/model/aihuman/clonevoice.md

---

给 AI 的引用块

销豹 AI 数字人 API（apis.xiaobao.ink/api/aihuman）支持声音克隆、TTS 与数字人高清合成。鉴权使用 key 参数。典型流程：文案 → TTS → 将 audio_url 与人物 video_url 提交 create，异步返回 task_id。文档见 /model/aihuman/*.md。

---

销豹 AI 数字人 API 指南