可通过三种方式实现智谱清影数字人方言语音：一、用智谱清言情感语音生成方言音频后导入清影；二、调用glm-tts api指定方言参数生成兼容音频再驱动清影；三、结合glm-tts与ying api双通道合成口型精准的方言视频。
☞☞☞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☜☜☜
如果您希望智谱清影数字人输出方言语音，但当前界面未显示方言选项或生成结果仍为普通话，则可能是由于清影主流程默认绑定标准语音模型，且方言能力尚未在图生视频/文生视频前端直接开放。以下是实现方言播报效果的可行路径：
一、通过智谱清言端到端情感语音功能调用方言TTS
智谱清言已上线支持粤语、东北话等方言的端到端情感语音技术，该能力与清影同属智谱AI技术栈，可生成高拟真度方言语音片段，再导入清影驱动唇形同步。
1、更新智谱清言APP至最新版本，确保已启用“情感语音”开关。
2、在对话框中输入目标方言短句，例如“今朝天气真系好啊”，并点击右下角语音按钮触发合成。
3、在语音设置中手动选择粤语（广州话）或东北话音色，调节语速与情感强度至适配数字人形象。
4、播放确认无误后，点击下载按钮保存MP3文件，该音频可作为清影视频生成的外部音源输入。
二、使用GLM-TTS API指定方言参数生成语音
GLM-TTS模型支持通过API请求显式指定语言与方言标签，开发者可绕过前端限制，直接调用底层接口获取方言语音数据，再注入清影工作流。
1、访问bigmodel.cn平台，开通GLM-TTS服务权限，并查阅文档确认可用方言代码，如zh-yue（粤语）、zh-dongbei（东北话）。
2、构造POST请求体，在text字段填入方言文本，language字段设为zh-yue，voice字段匹配对应方言音色ID。
3、发送请求获取base64编码语音响应，解码后保存为WAV格式，确保采样率与清影兼容（推荐16kHz单声道）。
4、在清影图生视频高级设置中启用“音频驱动”模式，上传该WAV文件，系统将自动对齐唇动与方言语音节奏。
三、结合清影Ying API与方言语音双通道合成
面向批量生产需求，可通过程序化方式将方言语音与清影视频生成解耦再融合：先由GLM-TTS生成方言音频，再以该音频为输入调用Ying API生成口型精准匹配的视频帧序列。
1、调用GLM-TTS API生成目标方言签名语音，获取音频URL或base64数据。
2、调用Ying API的/video_from_audio接口，将音频数据传入audio_input字段，同时在prompt中强调“嘴唇动作需严格匹配粤语发音口型特征”。
3、设置output_format为mp4，resolution为1080p，确保输出视频具备高清唇形细节与自然面部微动。
4、接收返回的视频URL，下载后即可获得原生支持方言播报的数字人视频成品。
