关键在于动作触发时机与语义节奏精准匹配，需在脚本中标注明确锚点触发18个预设动作，不可拉伸截断；通过聆听状态缓冲和拆分语义单元实现自然表达，自定义动作须经平台审核方可使用。
☞☞☞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☜☜☜
让百度一镜数字人的肢体语言摆脱机械感、实现自然表达，关键在于动作触发时机与语义节奏的精准匹配，而非简单堆砌预设动作。
理解动作库的底层触发逻辑
百度一镜动作库不支持“全程自动识别+自由发挥”，它依赖你在脚本中标注明确的触发锚点。系统会将你标注的时间点（如“大家好”起始帧）作为动作播放起点，然后按内置毫秒级时长自动播放完整动作片段。若未标注，数字人仅执行基础口型同步，上半身保持默认静止姿态。
所有18个预设动作都经过骨骼拓扑对齐，但【动作持续时间不可手动拉伸或截断】——强行修改会导致关节错位、手腕翻转异常等不可逆形变。
三步完成精准动作标注
第一步：在脚本编辑器中定位需强化的语义节点。例如“这个方案非常可靠”，重点词“非常”是强调动作的理想触发点。
第二步：选中该词语→点击工具栏「插入动作」→从下拉菜单选择“point_right”（右手食指指向）或“nod_fast”（快速点头）。注意：每个标注点仅能绑定一个动作，重复点击会覆盖前一个。
第三步：检查时间轴。动作图标将出现在对应字幕条下方，鼠标悬停可查看该动作实际播放时长（如“wave”为1200ms，“hand_on_chest”为980ms）。若相邻两个标注点间隔小于前一个动作时长，后一个动作将被跳过——这是系统硬性限制，无法绕过。
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。
避免生硬感的两种实操方法
方法一：用「聆听状态」做缓冲。在每段话开头和结尾各插入一次“listen_neutral”动作（自然眨眼+微颔首），系统会自动将其渲染为0.8秒柔和过渡动画，有效打断动作间的突兀切换。
方法二：拆分长句触发点。不要在整句末尾标注动作，而是把一句话拆成2～3个语义单元。例如：“我们先看数据→再分析原因→最后给出建议”，分别在“数据”“原因”“建议”三处插入“point_left”“nod_slow”“open_palm_up”，让动作节奏贴合人类说话时的呼吸停顿。
注意：连续使用相同动作（如3次“nod_slow”）会导致系统判定为异常行为，自动降权处理，表现为点头幅度逐次减小直至消失。
自定义动作接入前提
当前版本仅开放API调用接口，不支持用户上传自定义动作文件。若需调用非预设动作，必须通过百度一镜PAAS服务提交动作骨骼数据包，经平台审核格式（需含GLB格式+JSON元数据+语义标签）并编译入库后，才可在WebUI中看到新动作选项。
【未经审核直接上传二进制动作文件将导致账号临时冻结】，该限制自2026年5月起强制生效。
