摘要：使用魔珐星云参数流API，2小时搭建教育培训AI数字人视频生成平台。该平台支持纯文本输入，自动转换SSML，约500ms响应，3分钟生成1分半视频，低成本、可规模化。作为具身交互智能的重要应用场景，Digital human video generation technology provides a brand-new content production method for the education and training industry, enabling AI digital humans to become intelligent teaching assistants.

魔珐星云PC端官方链接：https://xingyun3d.com?utm_campaign=daily&utm_source=CSDNwanfen3&utm_medium=&utm_term=&utm_content=

一、项目背景与目标

1.1 为什么选择数字人视频?

在教育培训领域，优质内容的生产成本一直是核心痛点：

  • 真人录制成本高：讲师时间、场地、设备、后期制作
  • 内容更新困难：视频一旦制作完成，修改成本极高
  • 规模化困难：优质讲师资源有限，无法满足大量课程需求

数字人视频的出现，让这些问题迎刃而解：

  • 输入文本即可生成视频，无需真人出镜
  • 随时修改内容，实时更新
  • 一次制作，无限复制，规模化生产

1.2 为什么选择魔珐星云?

市面上数字人方案众多，我选择魔珐星云的理由：

  1. 参数流技术：服务端下发驱动参数，客户端渲染解算，端到端约500ms响应
  2. 高质量形象：3D超写实数字人，表情、口型、微动作自然
  3. API开放：提供完整的RESTful API，易于集成
  4. 成本可控：按量计费，适合中小团队

二、前提准备：5步完成环境配置

步骤1：注册魔珐星云账号

  1. 访问魔珐星云官网：https://www.xingyun3d.com/
  2. 点击"注册"按钮，填写手机号和验证码
  3. 完成注册后登录控制台

步骤2：创建视频应用

  1. 进入控制台后，点击"创建应用"
  2. 选择"视频生成"应用类型
  3. 填写应用名称（如：教育培训数字人）
  4. 完成创建后进入应用详情页

界面示例：

步骤3：配置人物形象

  1. 在应用详情页，点击"形象管理"
  2. 选择或上传自定义人物形象
  3. 配置形象参数（发型、服装、背景等）
  4. 保存形象ID（如：N_Wuliping_12298_new）

配置示例：

步骤4：配置音色

  1. 点击"音色管理"
  2. 试听并选择合适的音色
  3. 保存音色ID（如：XMOV_HN_TTS__40）

配置示例：

步骤5：配置场景并获取密钥

  1. 点击"场景管理"
  2. 选择演播室背景
  3. 保存场景ID（如：sstage_single_tech_black_01）
  4. 点击"接入SDK"，复制APP_ID和APP_SECRET

配置示例：

获取密钥：

三、技术架构与核心原理

2.1 整体架构

┌─────────────────────────────────────────────────────────┐
│                    前端(Web)                             │
│  - 左右分栏布局                                          │
│  - 纯文本输入 → 自动转换SSML                             │
│  - 任务列表展示(视频点击展开)                            │
└─────────────────────────────────────────────────────────┘
                          ↓
┌─────────────────────────────────────────────────────────┐
│                  后端(Flask)                             │
│  - 任务创建API                                           │
│  - 任务状态查询API                                       │
│  - 任务数据持久化(JSON)                                  │
└─────────────────────────────────────────────────────────┘
                          ↓
┌─────────────────────────────────────────────────────────┐
│              魔珐星云API                                  │
│  - 鉴权(X-APP-ID + X-TOKEN)                            │
│  - 创建任务                                              │
│  - 查询状态                                              │
│  - 参数流技术(AI端渲 + 端侧解算)                        │
└─────────────────────────────────────────────────────────┘

2.2 参数流技术:为什么能实现约500ms响应?

传统数字人视频生成方案:

文本 → 语音合成 → 口型驱动 → 表情渲染 → 视频编码 → 下载播放
         ↓           ↓           ↓           ↓
      服务端      服务端      服务端      服务端

问题：每个环节都在服务端完成，端到端延迟高(通常5-10秒)

魔珐星云参数流方案：

文本 → 驱动参数(口型系数/表情参数/姿态指令) → 客户端渲染解算 → 播放
         ↓                    ↓                    ↓
      服务端              网络传输              客户端

优势：

  • 服务端只下发参数(几KB)，不传输视频(几十MB)
  • 客户端完成渲染和解算，充分利用本地算力
  • 网络传输延迟低，端到端约500ms

2.3 鉴权机制：MD5签名

魔珐星云API采用X-TOKEN签名机制：

def generate_token(method, api_path, data, secret, timestamp):
    """
    生成X-TOKEN签名
    
    签名规则:
    1. 将data按key排序，转为JSON字符串
    2. 拼接: api_path + method + data_json + secret + timestamp
    3. 计算MD5哈希值
    """
    sort_json_str = json.dumps(dict(data), sort_keys=True).replace(' ', '')
    sign_str = f"{api_path.lower()}{method.lower()}{sort_json_str}{secret}{timestamp}"
    token = hashlib.md5(sign_str.encode('utf-8')).hexdigest()
    
    return {
        "X-APP-ID": app_id,
        "X-TOKEN": token,
        "X-TIMESTAMP": str(timestamp)
    }

关键点：

  • GET请求的签名也要包含query参数
  • data必须按key排序，确保签名一致
  • timestamp为Unix时间戳(秒)

四、从0到1搭建Web平台：Flask+前后端分离架构实战

3.1 项目结构设计：4个文件搞定一切

数字人视频生成/
├── config.py          # 配置文件(API凭证、默认参数)
├── nebula_client.py   # API客户端(鉴权、请求封装)
├── web_app.py         # Web后端(Flask服务)
├── index.html         # 前端页面(单文件SPA)
└── tasks.json         # 任务数据(自动生成,JSON持久化)

为什么这么设计?

  • 配置与代码分离: config.py独立管理,便于维护
  • API客户端复用: nebula_client.py可独立使用
  • 前后端分离: index.html独立,Flask只负责API
  • 数据持久化: tasks.json简单可靠

3.2 配置文件：config.py

# 应用凭证
APP_ID = "APP_ID"
APP_SECRET = "APP_SECRET"

# API基础URL
HOST = "https://nebula-agent.xingyun3d.com"

# 默认参数配置
DEFAULT_CONFIG = {
    "look_name": "N_Wuliping_12298_new",      # 形象名ID
    "tts_vcn_name": "XMOV_HN_TTS__40",        # 音色ID
    "studio_name": "sstage_single_tech_black_01", # 演播室ID
    "sub_title": "on",                        # 开启字幕
    "output_resolution": "720P",              # 视频清晰度
    "if_aigc_mark": True,                     # AI生成标识
}

# 轮询配置
POLL_INTERVAL = 10        # 轮询间隔(秒)
MAX_POLL_TIMES = 120      # 最大轮询次数(约20分钟)

配置说明：

  • look_name: 数字人形象,可在魔珐星云控制台查看
  • tts_vcn_name: 音色ID,支持多种声音选择
  • studio_name: 演播室背景,支持自定义
  • output_resolution: 540P/720P/1080P/2K/4K

3.3 API客户端：nebula_client.py

核心功能：

  1. 鉴权签名: 自动生成X-TOKEN
  2. 创建任务: POST /api/v1/video/create
  3. 查询状态: GET /api/v1/video/query/{task_id}
class NebulaClient:
    """魔珐星云API客户端"""
    
    def __init__(self, app_id=None, secret=None, host=None):
        self.app_id = app_id or APP_ID
        self.secret = secret or APP_SECRET
        self.host = host or HOST
    
    def _generate_token(self, method, api_path, data):
        """生成X-TOKEN签名"""
        timestamp = int(time.time())
        sort_json_str = json.dumps(dict(data), sort_keys=True).replace(' ', '')
        sign_str = f"{api_path.lower()}{method.lower()}{sort_json_str}{self.secret}{timestamp}"
        token = hashlib.md5(sign_str.encode('utf-8')).hexdigest()
        
        return {
            "X-APP-ID": self.app_id,
            "X-TOKEN": token,
            "X-TIMESTAMP": str(timestamp)
        }
    
    def create_task(self, segment, **kwargs):
        """创建视频生成任务"""
        api_path = "/api/v1/video/create"
        data = {
            "segment": segment,
            **kwargs
        }
        headers = self._generate_token("POST", api_path, data)
        response = requests.post(self.host + api_path, json=data, headers=headers)
        return response.json()
    
    def query_task(self, task_id):
        """查询任务状态"""
        api_path = f"/api/v1/video/query/{task_id}"
        data = {}
        headers = self._generate_token("GET", api_path, data)
        response = requests.get(self.host + api_path, headers=headers)
        return response.json()

踩坑记录：

  • GET请求签名: query参数也要包含在签名中
  • data排序: 必须按key排序,确保签名一致
  • 时间戳: 使用Unix时间戳(秒),不是毫秒

3.4 Web后端：web_app.py

核心功能：

  1. 任务创建API: 接收前端请求,调用星云API
  2. 任务状态查询: 轮询星云API,返回最新状态
  3. 数据持久化: JSON文件存储任务数据
from flask import Flask, render_template, request, jsonify
from nebula_client import NebulaClient

app = Flask(__name__, template_folder=os.path.dirname(os.path.abspath(__file__)))
TASKS_FILE = 'tasks.json'

# 任务数据持久化
def load_tasks():
    """从文件加载任务数据"""
    global tasks
    if os.path.exists(TASKS_FILE):
        with open(TASKS_FILE, 'r', encoding='utf-8') as f:
            tasks = json.load(f)

def save_tasks():
    """保存任务数据到文件"""
    with open(TASKS_FILE, 'w', encoding='utf-8') as f:
        json.dump(tasks, f, ensure_ascii=False, indent=2)

@app.route('/api/create_task', methods=['POST'])
def create_task():
    """创建视频生成任务"""
    data = request.json
    segment_text = data.get('segment', '').strip()
    
    # 纯文本自动转换SSML
    if segment_text and not segment_text.startswith('['):
        paragraphs = [p.strip() for p in segment_text.split('\n\n') if p.strip()]
        segment = [{"text": para, "media_url": ""} for para in paragraphs]
    else:
        segment = json.loads(segment_text)
    
    # 创建任务
    client = NebulaClient()
    result = client.create_task(segment, **DEFAULT_CONFIG)
    
    # 保存任务
    task_id = result['data']['task_id']
    tasks[task_id] = {
        'task_id': task_id,
        'status': 'creating',
        'created_at': time.time()
    }
    save_tasks()
    
    return jsonify({'success': True, 'task_id': task_id})

亮点：

  • 纯文本转换: 用户无需学习JSON格式
  • 数据持久化: JSON文件存储,简单可靠
  • 模板路径: template_folder指向根目录,index.html直接放根目录

3.5 前端页面：index.html

核心特性：

  • 左右分栏布局(CSS Grid)
  • 纯文本输入,自动转换SSML
  • 任务列表固定高度+滚动
  • 视频点击展开/收起
  • 毛玻璃效果+动态背景

关键代码：

// 表单提交 - 创建任务
document.getElementById('taskForm').addEventListener('submit', async (e) => {
    e.preventDefault();
    
    const data = {
        segment: document.getElementById('segment').value,
        video_name: document.getElementById('video_name').value,
        output_resolution: document.getElementById('output_resolution').value,
        sub_title: document.getElementById('sub_title').value,
        if_aigc_mark: document.getElementById('if_aigc_mark').value === 'true'
    };
    
    const response = await fetch('/api/create_task', {
        method: 'POST',
        headers: { 'Content-Type': 'application/json' },
        body: JSON.stringify(data)
    });
    
    const result = await response.json();
    if (result.success) {
        showMessage('success', `任务创建成功!任务ID: ${result.task_id}`);
        loadTasks(); // 刷新任务列表
    }
});

// 视频展开/收起 - 节省空间
function toggleVideo(taskId) {
    const videoContainer = document.getElementById(`video-${taskId}`);
    videoContainer.classList.toggle('active');
    const btn = event.target;
    btn.innerHTML = videoContainer.classList.contains('active') 
        ? '🎬 收起视频' 
        : '🎬 播放视频';
}

// 任务列表渲染 - 固定高度+滚动
function renderTasks(tasks) {
    const taskList = document.getElementById('taskList');
    
    taskList.innerHTML = tasks.map(task => `
        <div class="task-item">
            <div class="task-header">
                <span class="task-id">任务 #${task.task_id}</span>
                <span class="status-badge status-${task.status}">${getStatusText(task.status)}</span>
            </div>
            <div class="task-info">
                <div>创建时间: ${new Date(task.created_at * 1000).toLocaleString('zh-CN')}</div>
                ${task.amount ? `<div>积分消耗: ${task.amount}</div>` : ''}
            </div>
            <div class="task-actions">
                ${task.video_url ? `
                    <button class="task-btn task-btn-primary" onclick="toggleVideo(${task.task_id})">
                        🎬 播放视频
                    </button>
                    <a href="${task.video_url}" target="_blank" class="task-btn task-btn-secondary">
                        📥 下载视频
                    </a>
                ` : ''}
            </div>
            ${task.video_url ? `
                <div class="video-container" id="video-${task.task_id}">
                    <video controls>
                        <source src="${task.video_url}" type="video/mp4">
                    </video>
                </div>
            ` : ''}
        </div>
    `).join('');
}

前端亮点：

  • 纯文本输入: 用户无需学习JSON格式
  • 自动刷新: 每10秒自动刷新任务状态
  • 视频展开: 点击按钮才显示,节省空间
  • 固定高度: 任务列表固定高度+滚动,不挤页面

3.6 启动运行：3步搞定

第1步:安装依赖

pip install -r requirements.txt

requirements.txt内容:

Flask==2.3.0
requests==2.31.0

第2步:启动服务

python web_app.py

第3步:访问页面

打开浏览器访问：http://localhost:5000

启动亮点：

  • 一键启动: 单条命令
  • 自动重载: 代码修改自动重启
  • 调试模式: 开发环境友好
  • 端口固定: 5000端口,易于访问

3.7 项目总结：4个文件+3步启动

项目结构:
├── config.py          # 配置(API凭证)
├── nebula_client.py   # API客户端(鉴权封装)
├── web_app.py         # Web后端(Flask服务)
├── index.html         # 前端页面(单文件SPA)
└── tasks.json         # 任务数据(自动生成)

启动流程:
1. pip install -r requirements.txt  # 安装依赖
2. python web_app.py                 # 启动服务
3. 访问 http://localhost:5000        # 打开页面

项目优势：

  • 极简架构: 4个文件,代码量<1000行
  • 快速启动: 3步完成,无需复杂配置
  • 易于扩展: 模块化设计,便于二次开发
  • 生产可用: 数据持久化,稳定可靠

五、效果展示

视频信息：

  • 任务ID: 5760
  • 视频时长: 1分32秒
  • 分辨率: 720P
  • 文件大小: 约15MB
  • 格式: MP4
  • 字幕: 开启
  • AI标识: 显示

魔珐星云后台查看进度

六、总结

本次实战使用魔珐星云参数流API，2小时从零搭建教育培训AI数字人视频生成平台。项目采用Flask+前后端分离架构，支持纯文本输入自动转换SSML，通过参数流技术实现约500ms响应，3分钟生成1分半高清视频，积分消耗仅56积分。平台具备左右分栏布局、视频点击展开、任务列表滚动等精美UI，为教育培训行业提供低成本、可规模化的数字人视频生成解决方案。魔珐星云作为目前最快落地的数字人视频方案之一，值得每一位开发者尝试！

魔珐星云PC端官方链接：https://xingyun3d.com?utm_campaign=daily&utm_source=CSDNwanfen3&utm_medium=&utm_term=&utm_content=

# 人工智能 # oracle # 数据库 # 机器人 # 生成对抗网络
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

cover

【南昌大学主办】第七届智能计算与人机交互国际研讨会（ICHCI 2026）

avatar DAMO开发者矩阵
cover

ActAgent企业AI系统价格解析：定价模式、影响因素与价值评估

avatar DAMO开发者矩阵
cover

[特殊字符] 强化学习（RL）运控这么火，为什么没办法替代传统运控算法？

avatar DAMO开发者矩阵