百度智能云曦灵MCPサーバー：13のAPIでデジタル人機能をサポート、多代理アシスタントとの互換性で迅速集積

MCP

百度知能雲曦霊デジタルヒューマンオープンプラットフォームは、MCPプロトコルに基づく13個のAPIインターフェースを提供し、デジタルヒューマンビデオ生成、音色クローンなどの機能をサポートし、複数のMCPエージェントアシスタントと互換性があり、迅速に接続できる。

音声処理人工知能チャットボット #デジタルヒューマン #ビデオ生成 #音色クローン #MCPプロトコル .Python

rating : 2.5 points

downloads : 4.5K

update time : 2025-07-28

Installation

Copy the following command to your Client for configuration

{
  "mcpServers": {
    "DH-STDIO": {
      "timeout": 60,
      "type": "stdio",
      "command": "uvx",
      "args": [
        "mcp-server-baidu-digitalhuman"
      ],
      "env": {
        "DH_API_AK": "${API Key}",
        "DH_API_SK": "${Secret Key}"
      }
    }
  }
}

Note: Your key is sensitive information, do not share it with anyone.

🚀 百度数字人MCPサーバー

中国語 | English

概要
百度智能雲シーリングデジタルヒューマンオープンプラットフォームは、現在、MCPプロトコルに完全に適応しています。クリエイターの皆様のご参加をお待ちしています。シーリングデジタルヒューマンが提供するMCPサーバーには、MCPプロトコル標準に準拠した13のAPIインターフェースが含まれており、基本的なビデオ生成、高度なビデオ生成、声質クローニングなどがあります。MCP Python SDK開発に依存して、MCPプロトコルをサポートする任意のエージェントアシスタント（Claude、Cursor、Cline、千バンAppBuilderなど）をすばやくアクセスできます。

✨ 主な機能

当社では、さまざまなシナリオのニーズに応えるためのさまざまなツールを提供しています。これにより、大規模モデルでデジタルヒューマンサービスを迅速に統合し、簡単にデジタルヒューマンアプリケーションを構築できます。もしデジタルヒューマンにさらなる期待があり、デジタルヒューマンサービスをより深く統合したい場合は、百度智能雲シーリングデジタルヒューマンオープンプラットフォームにアクセスしてお問い合わせください。MCPでもさらなる機能が徐々に公開される予定ですので、ご期待ください。

機能	機能説明	含まれるツール
2Dフューショットデジタルヒューマン	アップロードされた実人物の録画ビデオに基づいてデジタルポートレートを生成します。基本的なビデオ制作にのみ使用でき、デジタルヒューマンは汎用の唇駆動を使用します。	• generateLite2dGeneralVideo • getLite2dGeneralStatus
デジタルヒューマンビデオ合成	選択したデジタルポートレートと声質に基づいてデジタルヒューマンビデオを生成します。	• generateDhVideo • getDhVideoStatus
123デジタルヒューマンビデオ	「123」と言う10秒から4分のライブ配信ビデオを提供します。ポートレート生成を必要とせずに、対応するデジタルヒューマンビデオを直接制作できます。	• generateDh123Video • getDh123VideoStatus
音声合成	提供されたテキストコンテンツと選択した声質に基づいて、ビデオを生成する必要なく、対応する音声を生成します。	• generateText2Audioo • getText2AudioStatus
ファイルアップロード	サービスタイプに基づいて必要なファイルをアップロードします。	• uploadFiles
音声クエリ	利用可能なシステム音声をクエリします。	• getVoices
ポートレートクエリ	利用可能なポートレートをクエリします。	• getFigures
音声クローニング	アップロードされた音声に基づいて声質を生成します。音声合成やビデオ制作に使用できます。	• generateVoiceClone • getVoiceCloneStatus

1. 2Dフューショットデジタルヒューマン

機能説明：アップロードされた実人物の録画ビデオに基づいてデジタルポートレートを生成します。基本的なビデオ制作にのみ使用でき、デジタルヒューマンは汎用の唇駆動を使用します。（透明背景のwebmビデオ）
サンプルプロンプト：

fileidがxxxのビデオファイルを使用して、「李四」という名前のデジタル人物を生成します。これは男の子の画像です。 IDがxxxのデジタル人物を確認してください。どのポートレートを使用できますか。
ツール詳細： | ツール名 | ツール説明 | 入力パラメータ | 出力コンテンツ | |------|------|------|------| | generateLite2dGeneralVideo | アップロードされた実人物の録画ビデオに基づいてデジタルポートレートを生成します。基本的なビデオ制作にのみ使用でき、デジタルヒューマンは汎用の唇駆動を使用します。 | • name: 生成されるデジタルポートレートの名前。長さは50を超えない
• gender: デジタル人物の性別
• keepBackground: ビデオの背景を保持するかどうか。trueは保持、falseは削除、デフォルト値はfalse
• templateVideoId: デジタルポートレートを生成するために使用するビデオのファイルID | • figureId: アップロードされた実人物の録画ビデオに基づいて生成されたデジタルポートレートID | | getLite2dGeneralStatus | • デジタルポートレートの生成進捗をクエリします
• システムの2Dポートレートの利用可能状況をクエリするためにも使用できます。 | • figureId: ポートレートIDを指定してクエリします。空の場合は、アカウント下のすべてのポートレートをクエリします
• systemFigure: プラットフォームの公開ポートレートをクエリします。空: すべてをクエリ、true: プラットフォームの公開ポートレートを返す、false: カスタムポートレートを返す
• trainSuccess: トレーニングが完了し、利用可能なポートレートの状態をクエリするかどうか。（空: フィルタリングなし、true: 利用可能なポートレートのみを返す（プラットフォームの公開ポートレートとトレーニング成功状態のカスタムポートレート）、false: キューに入っている、トレーニング中、またはトレーニング失敗のカスタムポートレートのみを返す）
• pageNo: ページ番号。デフォルトは1
• pageSize: 各ページのサイズ。デフォルトは10 | • figureId: アップロードされた実人物の録画ビデオに基づいて生成されたデジタルポートレートID
• name: 生成されるデジタルポートレートの名前。長さは50を超えない
• gender: デジタルヒューマンの性別
• keepBackground: ビデオの背景を保持するかどうか。trueは保持、falseは削除、デフォルト値はfalse
• status: ステータス（LINE_UP（キューに入っている）、GENERATING、SUCCESS、FAILED）
• failedCode: 失敗エラーコード
• failedMessage: 制作失敗の理由 |

2. デジタルヒューマンビデオ合成

機能説明：選択したデジタルポートレートと声質に基づいてデジタルヒューマンビデオを生成します。
サンプルプロンプト：

デジタルポートレートIDがxxxの音声と声質人物IDがyyyを使用し、ビデオの内容は「皆さん、こんにちは。私はデジタル人物が放送する内容です」です。横画面の全身のカメラ位置を使用し、「https://digital-human-material.bj.bcebos.com/-%5BLjava.lang.String%3B%4046f6cc1e.png」のビデオ背景を使用し、自動アクションの追加をオンにし、字幕をオンにして、1080Pのデジタルヒューマンビデオを生成します。 taskidがxxxのデジタルヒューマンビデオを確認してください。
ツール詳細： | ツール名 | ツール説明 | 入力パラメータ | 出力コンテンツ | |------|------|------|------| | generateDhVideo | 選択したデジタルポートレートと声質に基づいてデジタルヒューマンビデオを生成します。 | • figureId: デジタルポートレートID
• driveType: デジタルヒューマンを駆動するデータタイプ。テキスト駆動または音声駆動をサポートします
• text: ドライバータイプがテキスト駆動の場合、必要なビデオコンテンツ。20000を超えないようにしてください
• person: ドライバータイプがテキスト駆動の場合、必要な声質ID
• inputAudioUrl: ドライバータイプが音声駆動の場合、必要な音声リンクURL
• width: 出力ビデオ解像度の幅
• hight: 出力ビデオ解像度の高さ
• cameraId: システムポートレートのカメラ設定。0: 横半身、1: 縦半身、2: 横全身、3: 縦全身
• enabled: 字幕を有効にするかどうか。trueは字幕を有効にする、デフォルト値はfalseで無効
• backgroundImageUrl: 背景画像のURL
• autoAnimoji: システムポートレートに自動的にアニメーションを追加する。trueは自動追加、デフォルト値はfalse | • taskId: 現在のビデオ合成タスクのID | | getDhVideoStatus | デジタルヒューマンビデオ合成の進捗をクエリします。 | • taskId: 現在のビデオ合成タスクのID | • taskId: 現在のビデオ合成のタスクID
• status: SUBMIT（合成のために送信）、GENERATING（合成中）、SUCCESS（合成成功）、FAILED（合成失敗）
• failedCode: エラーコード
• failedMessage: 制作失敗の理由
• videoUrl: タスクIDに対応する合成成功したビデオファイルのアドレス。7日間保存されます |

3. 123デジタルヒューマンビデオ合成

機能説明：「123」と言う10秒から4分のライブ配信ビデオを提供します。ポートレート生成を必要とせずに、対応するデジタルヒューマンビデオを直接制作できます。
サンプルプロンプト：

fileidがxxxのビデオファイルと声質IDがyyyの音声を使用し、ビデオの内容は「皆さん、こんにちは。私はデジタルヒューマンが放送する内容です」です。デジタルヒューマンビデオを生成します。ビデオのアドレスはhttps://open-api-test.bj.bcebos.com/ae870923-2a3b-4d5e-b6a2-e44b4025647220250417_163529_trim.mp4、音声はyyy、ビデオの内容は「皆さん、こんにちは。私はデジタルヒューマンが放送する内容です」です。デジタルヒューマンビデオを生成します。 taskidがxxxの123デジタルヒューマンビデオを確認してください。

ウェブサイト上のガイドを確認できます。
ツール詳細： | ツール名 | ツール説明 | 入力パラメータ | 出力コンテンツ | |------|------|------|------| | generateDh123Video | 実人物の録画ビデオと選択した声質に基づいて、ポートレート生成を必要とせずに直接デジタルヒューマンビデオを生成できます。 | • templateVideoId: デジタルヒューマンビデオを生成するために使用するビデオに対応するファイルID
• driveType: デジタルヒューマンを駆動するデータタイプ。テキスト駆動または音声駆動をサポートします
• text: ドライバータイプがテキスト駆動の場合、必要なビデオコンテンツ。長さを入力する必要があり、20000を超えないようにしてください
• person: ドライバータイプがテキスト駆動の場合、必要な声質ID
• inputAudioUrl: ドライバータイプが音声駆動の場合、必要な音声リンクURL | • taskId: 現在のビデオ合成タスクのID | | getDh123VideoStatus | 123デジタルヒューマンのビデオ合成の進捗をクエリします。 | • taskId: 現在のビデオ合成タスクのID | • taskId: 現在のビデオ合成のタスクID
• status: ステータス: SUBMIT（合成のために送信）、RATING（合成中）、SUCCESS（合成成功）、FAILED
• failedCode: エラーコード
• failedMessage: 制作失敗の理由
• videoUrl: タスクIDに対応する合成成功したビデオファイルのアドレス。7日間保存されます |

4. 音声合成

機能説明：提供されたテキストコンテンツと選択した声質に基づいて、ビデオを生成する必要なく、対応する音声を生成します。
サンプルプロンプト：

声質人物のIDがxxxの音声で、内容は「皆さん、こんにちは。私はデジタルヒューマンが放送する内容です」で音声を生成します。 taskidがxxxの音声合成が完了したかどうかを確認してください。
ツール詳細： | ツール名 | ツール説明 | 入力パラメータ | 出力コンテンツ | |------|------|------|------| | generateText2Audio | 提供されたテキストコンテンツと選択した声質に基づいて、ビデオを生成する必要なく、対応する音声を生成します。 | • text: 必要なテキストコンテンツ。長さは2000を超えない
• person: 必要な声質ID | • taskId: 現在の音声合成のタスクID | | getText2AudioStatus | 音声合成の進捗をクエリします。 | • taskId: 現在のビデオ合成タスクのID | • status: SUBMIT、GENERATING、SUCCESS、FAILED
• failedCode: 失敗コード
• failedMessage: 制作失敗の理由
• audioUrl: タスクIDに対応する合成成功した音声ファイルのアドレス。7日間保存されます |

5. ファイルアップロード

機能説明：プラットフォームは、音声とビデオファイルのアップロードをサポートしています。これらのファイルは、後続の音声クローニング、デジタルヒューマン制作、123デジタルヒューマンビデオ制作などに使用できます。
サンプルプロンプト：

C:/Users/username/Desktop/test.mp3にあるtest.mp3ファイルを音声クローニングのためにアップロードします。
ツール詳細： | ツール名 | ツール説明 | 入力パラメータ | 出力コンテンツ | |------|------|------|------| | uploadFiles | サービスタイプに応じて必要なファイルをアップロードします。 | • file: アップロードするファイル
• providerType: このファイルを使用するサービスタイプ。現在は、「2Dフューショットデジタルヒューマン制作」、「音声クローニング」、「123デジタルヒューマンビデオ制作」の3つのサービスタイプに限定されています。
• sourceFileName: アップロードするファイルの名前。正しいファイル名と拡張子を入力する必要があります。例: test.mp3。 | • fileId: ファイルID
• fileName: アップロードしたファイルの名前 |

6. 音声クエリ

機能説明：利用可能なシステム音声をクエリします。
サンプルプロンプト：

以前にクローニングした音声はありますか。 20代の穏やかな女性の音声を使用したいです。
ツール詳細： | ツール名 | ツール説明 | 入力パラメータ | 出力コンテンツ | |------|------|------|------| | getVoices | 利用可能な音声IDをクエリします。 | • isSystem: "true"はシステムの声質IDをクエリ、"false"はクローニングした声質IDをクエリ、何も値を渡さない場合は、利用可能な声質IDをクエリします。 | • perId: 声質ID
• name: 声質名
• describe: 声質特性の説明
• gender: 性別
• systemProvided: システム音声かどうか |

7. ポートレートクエリ

機能説明：利用可能な2DデジタルポートレートIDをクエリします。
サンプルプロンプト：

以前に生成したポートレートはありますか。利用可能なポートレートは何ですか。
ツール詳細： | ツール名 | ツール説明 | 入力パラメータ | 出力コンテンツ | |------|------|------|------| | getFigures | 利用可能なポートレートをクエリします。 | • isSystem: "true"はシステムのポートレートをクエリ、"false"は生成されたポートレートをクエリ、何も値を渡さない場合は、すべての利用可能なポートレートをクエリします。 | • figureId: 2DポートレートID
• name: 2Dポートレート名
• gender: 性別
• systemProvided: システムポートレートかどうか |

8. 音声クローニング

機能説明：アップロードされた音声に基づいて声質を生成します。音声合成やビデオ制作に使用できます。
サンプルプロンプト：

file IDがxxxの音声ファイルで音声をクローニングします。「李四」と名付け、30代の中年男性の声質で、「これは私がクローニングした音声です」というテキストで試聴します。 IDがxxxの音声がクローニングされたかどうかを確認してください。
ツール詳細： | ツール名 | ツール説明 | 入力パラメータ | 出力コンテンツ | |------|------|------|------| | generateVoiceClone | アップロードされた音声に基づいて音声を生成します。音声合成やビデオ制作に使用できます。 | • name: クローニングした音声の名前。長さは50を超えない
• gender: 声質の性別
• describe: クローニングした音声の説明。100を超えない
• uploadAudioId: 音声をクローニングするために使用する音声のファイルID
• example: 試聴に使用するテキスト。長さは100を超えない | • perId: クローニングした音声の声質ID | | getVoiceCloneStatus | タスクの声質IDに基づいて、音声クローニングタスクの現在の状態をクエリします。 | • isSuccess: クローニングに成功したタスクのみをクエリするかどうか（true: 成功したタスクのみをクエリ、false: すべてのクローニングタスクをクエリ）
• perId: 指定した声質IDのタスクをクエリします。 | • perId: クローニングした音声の声質ID
• name: 声質の名前
• describe: クローニングした音声の説明
• exampleText: 試聴に使用するテキスト
• examplAudioUrl: 試聴のテキストを使用して合成した音声ファイルのリンク
• status: 現在のタスクの状態、PREPARING、CLONING、SUCCESS、FAIL
• reason: クローニングが失敗した場合、失敗の理由がここに記載されます。
• gender: 音声をクローニングした声質の性別 |

🚀 クイックスタート

1. トライアルクレジットを申請する

百度智能雲シーリングデジタルヒューマンオープンプラットフォームにログインし、左下隅をクリックします。
コンポーネント管理にアクセスして、取得したコンポーネントクォータを確認します。

2. APIキーとシークレットキーを取得する

アプリケーション管理にアクセスして、使用する必要のあるコンポーネントを構成します。
作成が完了したら、APIキー（AppID）とキーおよびシークレットキー（AppKey）を取得できます。

3. MCP構成

前提条件

Python 3.12以上
シーリングオープンプラットフォームのAPIキーとシークレットキー

Pythonを使用して百度シーリングデジタルヒューマンMCPサーバーに参加できます。uvの使用をお勧めします。 ソースコードアクセス
シーリングデジタルヒューマンの機能をカスタマイズしたい場合は、ソースコードを使用してアクセスできます。

UVをインストールします。 uvのインストールガイドを参照して、コマンドラインで'uvx'コマンドを実行できること、またはインストールした'uvx'ツールをパスから見つけることができることを確認します。
コードをローカルコンピュータにチェックアウトします。
MCPをサポートするエージェントアシスタントを使用してMCP構成を追加します。

{
    "mcpServers": {
        "DH-STDIO": {
            "timeout": 60,
            "type": "stdio",
            "command": "uvx",
            "args": [
                "${path/to/dh-mcp-server}"
            ],
            "env": {
                "DH_API_AK": "${API Key}",
                "DH_API_SK": "${Secret Key}"
            }
        }
    }
}

${path/to/dh-mcp-server}を実際のローカルパスに置き換えます。
${API Key}と${Secret Key}を実際の'API Key'と'Secret Key'に置き換えます。

Pythonパッケージプラグイン
pypiに「mcp-server-baidu-digitalhuman」という百度シーリングMCPサーバーをリリースしています。任意のPythonパッケージ管理ツールを使用して取得できます。

UVを使用してマウントします。
pipでインストールします。 pip install mcp-server-baidu-digitalhuman
MCPをサポートするエージェントアシスタントを使用してMCP構成を追加します。

{
    "mcpServers": {
        "DH-STDIO": {
            "timeout": 60,
            "type": "stdio",
            "command": "uvx",
            "args": [
                "mcp-server-baidu-digitalhuman"
            ],
            "env": {
                "DH_API_AK": "${API Key}",
                "DH_API_SK": "${Secret Key}"
            }
        }
    }
}

4. 使用宣言

上記のツールを使用する前に、シーリングデジタルヒューマンカスタムコンポーネントクローニングプロトコルをお読みください。上記のツールを使用することで、この協定に同意したことになります。

開発

MCPインスペクターを使用してサーバーをローカルで実行し、テストおよびデバッグするには： npx @modelcontextprotocol/inspector uvx ${path/to/dh-mcp-server} これにより、開発モードでサーバーが起動し、MCPインスペクターを使用して利用可能なツールと機能をテストできます。