百度智能云曦灵MCP服务器 - 13个API支持数字人功能，兼容多代理助手快速集成

探索

MCP

百度智能云曦灵数字人开放平台提供基于MCP协议的13个API接口，支持数字人视频生成、音色克隆等功能，兼容多种MCP代理助手快速接入。

语音处理人工智能聊天机器人 #数字人 #视频生成 #音色克隆 #MCP协议 .Python

评分 : 2.5分

下载量 : 4.8K

更新时间 : 2025-07-28

安装

复制以下命令到你的Client进行配置

{
  "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}"
      }
    }
  }
}

注意：您的密钥属于敏感信息，请勿与任何人分享。

🚀 百度数字人MCP服务器

百度智能云曦灵数字人开放平台现已全面适配MCP协议，欢迎创作者加入体验。曦灵数字人提供的MCP服务器包含13个符合MCP协议标准的API接口，涵盖基础视频生成、高级视频生成、音色克隆等功能。依托MCP Python SDK开发，任何支持MCP协议的代理助手（如Claude、Cursor、Cline和千帆AppBuilder）都能快速接入。

中文 | English

🚀 快速开始

1. 领取试用额度

登录百度智能云曦灵数字人开放平台，点击左下角。
前往组件管理查看已获取的组件额度。

2. 获取API密钥和密钥

前往应用管理配置需要使用的组件。
创建完成后，即可获取API Key (AppID) 和密钥 (AppKey)。

3. MCP配置

前提条件

Python 3.12 或更高版本
曦灵开放平台的API密钥和密钥

你可以使用Python接入百度曦灵数字人MCP服务器，建议使用uv。 源码接入 如果你想自定义曦灵数字人的功能，可以使用源码接入：

安装UV 参考uv安装指南，确保命令行可以执行 uvx 命令，或者通过路径找到已安装的 uvx 工具。
将代码检出到本地计算机
使用支持MCP的代理助手添加MCP配置

{
  "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}"
      }
    }
}

将 ${path/to/dh-mcp-server} 替换为你实际的本地路径。
将 ${API Key} 和 ${Secret Key} 替换为你实际的“API密钥”和“密钥”。

Python包插件 我们已在pypi上发布了百度曦灵MCP服务器：“mcp-server-baidu-digitalhuman”，你可以使用任何Python包管理工具获取它。

使用UV挂载
使用pip安装 pip install mcp-server-baidu-digitalhuman
使用支持MCP的代理助手添加MCP配置

{
  "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. 使用声明

在使用上述工具之前，请阅读曦灵数字人自定义组件克隆协议。使用上述工具即表示你同意该协议。

✨ 主要特性

我们提供了多种工具，以满足不同场景的需求。它允许你在大模型中快速集成数字人服务，轻松构建数字人应用。

如果你对数字人有更多期望，想更深入地集成数字人服务，请访问百度智能云曦灵数字人开放平台与我们联系。MCP还将逐步开放更多功能，敬请期待。

功能	功能描述	包含工具
2D少样本数字人	根据上传的真人录制视频生成数字肖像，仅可用于基础视频制作，数字人使用通用唇形驱动。	• generateLite2dGeneralVideo • getLite2dGeneralStatus
数字人视频合成	根据选定的数字肖像和音色生成数字人视频。	• generateDhVideo • getDhVideoStatus
123数字人视频	提供一段10秒至4分钟说“123”的直播视频，无需生成肖像即可直接制作相应的数字人视频。	• generateDh123Video • getDh123VideoStatus
语音合成	根据提供的文本内容和选定的音色，无需生成视频，即可生成相应的音频。	• generateText2Audio • getText2AudioStatus
文件上传	平台支持上传音频和视频文件，用于后续的声音克隆、数字人制作、123数字人视频制作等。	• uploadFiles
语音查询	查询可用的系统语音。	• getVoices
形象查询	查询可用的形象。	• getFigures
声音克隆	根据上传的音频生成音色，可用于语音合成和视频制作。	• generateVoiceClone • getVoiceCloneStatus

💻 使用示例

2D少样本数字人

功能描述：根据上传的真人录制视频生成数字肖像，仅可用于基础视频制作，数字人使用通用唇形驱动（透明背景的webm视频）。
示例提示词：

使用文件ID为xxx的视频文件生成一个数字人，名为“张三”，是一个男孩的形象。查看ID为xxx的数字人是否生成成功。我可以使用哪些肖像？
工具详情： | 工具名称 | 工具描述 | 输入参数 | 输出内容 | | --- | --- | --- | --- | | generateLite2dGeneralVideo | 根据上传的真人录制视频生成数字肖像，仅可用于基础视频制作，数字人使用通用唇形驱动。 | • name：生成的数字肖像名称，长度不超过50
• gender：数字人的性别
• keepBackground：是否保留视频背景，true为保留，false为移除，默认值为false
• templateVideoId：用于生成数字肖像的视频文件ID | • figureId：根据上传的真人录制视频生成的数字肖像ID | | getLite2dGeneralStatus | • 查询数字肖像的生成进度
• 也可用于查询系统可用的2D肖像。 | • figureId：指定肖像ID查询，若为空，则查询账户下的所有肖像
• systemFigure：查询平台的公共肖像，空：查询所有，true：返回平台的公共肖像，false：返回自定义肖像
• trainSuccess：是否查询训练完成且可用的肖像状态（空：不筛选，true：仅返回可用肖像（平台公共肖像和训练成功状态的自定义肖像），false：仅返回排队中、训练中或训练失败的自定义肖像）
• pageNo：页码，默认值为1
• pageSize：每页大小，默认值为10 | • figureId：根据上传的真人录制视频生成的数字肖像ID
• name：生成的数字肖像名称，长度不超过50
• gender：数字人的性别
• keepBackground：是否保留视频背景，true为保留，false为移除，默认值为false
• status：状态（LINE_UP（排队中）、GENERATING（生成中）、SUCCESS（成功）、FAILED（失败））
• failedCode：失败错误码
• failedMessage：制作失败的原因 |

数字人视频合成

功能描述：根据选定的数字肖像和音色生成数字人视频。
示例提示词：

使用数字肖像ID为xxx的形象和音色ID为yyy的声音，视频内容为“大家好，我是数字人播报的内容”，使用横屏全身的相机位置，使用“https://digital-human-material.bj.bcebos.com/-%5BLjava.lang.String%3B%4046f6cc1e.png”的视频背景，开启自动添加动作，开启字幕，生成一个1080P的数字人视频。查看任务ID为xxx的数字人视频的生成进度。
工具详情： | 工具名称 | 工具描述 | 输入参数 | 输出内容 | | --- | --- | --- | --- | | generateDhVideo | 根据选定的数字肖像和音色生成数字人视频。 | • figureId：数字肖像ID
• driveType：驱动数字人的数据类型，支持文本驱动或音频驱动
• text：如果驱动类型为文本驱动，所需的视频内容长度不超过20000
• person：当驱动类型为文本驱动时，所需的音色ID
• inputAudioUrl：当驱动类型为音频驱动时，所需的音频链接URL
• width：输出视频分辨率的宽度
• hight：输出视频分辨率的高度
• cameraId：系统肖像的相机设置，0：横屏半身，1：竖屏半身，2：横屏全身，3：竖屏全身
• enabled：是否启用字幕，true为启用字幕，默认false为不启用。
• backgroundImageUrl：背景图像的URL
• autoAnimoji：系统肖像自动添加动作，true为自动添加，默认值为false | • taskId：当前视频合成任务的ID | | getDhVideoStatus | 查询数字人视频合成的进度。 | • taskId：当前视频合成任务的ID | • taskId：当前视频合成任务的ID
• status：SUBMIT（提交合成）、GENERATING（合成中）、SUCCESS（合成成功）、FAILED（合成失败）
• failedCode：错误码
• failedMessage：制作失败的原因
• videoUrl：任务ID对应的合成成功的视频文件地址，将保存7天 |

123数字人视频合成

功能描述：提供一段10秒至4分钟说“123”的直播视频，无需生成肖像即可直接制作相应的数字人视频。
示例提示词：

使用文件ID为xxx的视频文件和音色ID为yyy的声音，视频内容为“大家好，我是数字人播报的内容”，生成一个数字人视频。视频地址为https://open-api-test.bj.bcebos.com/ae870923-2a3b-4d5e-b6a2-e44b4025647220250417_163529_trim.mp4，音色为yyy，视频内容为“大家好，我是数字人播报的内容”，生成一个数字人视频。查看任务ID为xxx的123数字人视频的生成进度。你可以查看网站上的指南。
工具详情： | 工具名称 | 工具描述 | 输入参数 | 输出内容 | | --- | --- | --- | --- | | generateDh123Video | 根据真人录制的视频和选定的音色，无需生成肖像即可直接生成数字人视频。 | • templateVideoId：用于生成数字人视频的视频文件ID
• driveType：驱动数字人的数据类型，支持文本驱动或音频驱动
• text：如果驱动类型为文本驱动，所需的视频内容必须填写，长度不能超过20000
• person：如果驱动类型为文本驱动，所需的音色ID
• inputAudioUrl：如果驱动类型为音频驱动，所需的音频链接URL | • taskId：当前视频合成任务的ID | | getDh123VideoStatus | 查询123数字人视频合成的进度。 | • taskId：当前视频合成任务的ID | • taskId：当前视频合成任务的ID
• status：状态：SUBMIT（提交合成）、RATING（合成中）、SUCCESS（合成成功）、FAILED
• failedCode：错误码
• failedMessage：制作失败的原因
• videoUrl：任务ID对应的合成成功的视频文件地址，将保存7天 |

语音合成

功能描述：根据提供的文本内容和选定的音色，无需生成视频，即可生成相应的音频。
示例提示词：

使用音色ID为xxx的声音生成音频，内容为“大家好，我是数字人播报的内容”。查看任务ID为xxx的语音合成是否完成。
工具详情： | 工具名称 | 工具描述 | 输入参数 | 输出内容 | | --- | --- | --- | --- | | generateText2Audio | 根据提供的文本内容和选定的音色，无需生成视频，即可生成相应的音频。 | • text：所需的文本内容，长度不超过2000
• person：所需的音色ID | • taskId：当前音频合成的任务ID | | getText2AudioStatus | 查询音频合成的进度。 | • taskId：当前视频合成任务的ID | • status：SUBMIT、GENERATING、SUCCESS、FAILED
• failedCode：失败代码
• failedMessage：制作失败的原因
• audioUrl：任务ID对应的合成成功的音频文件地址，将保存7天 |

文件上传

功能描述：平台支持上传音频和视频文件，用于后续的声音克隆、数字人制作、123数字人视频制作等。
示例提示词：

上传C:/Users/username/Desktop/test.mp3文件用于声音克隆。
工具详情： | 工具名称 | 工具描述 | 输入参数 | 输出内容 | | --- | --- | --- | --- | | uploadFiles | 根据服务类型上传所需的文件。 | • file：要上传的文件
• providerType：使用此文件的服务类型，目前仅限于三种服务类型：“2D少样本数字人制作”、“声音克隆”和“123数字人视频制作”。
• sourceFileName：上传的文件名，必须填写正确的文件名和后缀，例如：test.mp3。 | • fileId：文件ID
• fileName：上传的文件名 |

语音查询

功能描述：查询可用的系统语音。
示例提示词：

我之前克隆过哪些声音？我想使用一位二十多岁温柔女士的声音。
工具详情： | 工具名称 | 工具描述 | 输入参数 | 输出内容 | | --- | --- | --- | --- | | getVoices | 查询可用的语音ID。 | • isSystem：“true”查询系统音色ID，“false”查询克隆音色ID，不传递任何值，则查询可用的音色ID | • perId：音色ID
• name：音色名称
• describe：克隆音色的描述，不超过100
• gender：性别
• systemProvided：是否为系统音色 |

形象查询

功能描述：查询可用的2D数字肖像ID。
示例提示词：

我之前生成过哪些肖像？有哪些可用的肖像？
工具详情： | 工具名称 | 工具描述 | 输入参数 | 输出内容 | | --- | --- | --- | --- | | getFigures | 查询可用的形象。 | • isSystem：“true”查询系统形象，“false”查询生成的形象，不传递任何值，则查询所有可用的形象 | • figureId：2D形象ID
• name：2D形象名称
• gender：性别
• systemProvided：是否为系统形象 |

声音克隆

功能描述：根据上传的音频生成音色，可用于语音合成和视频制作。
示例提示词：

使用文件ID为xxx的音频文件克隆声音。名为“张三”，是一位三十多岁中年男性的音色，我将使用文本“这是我克隆的声音”进行试听。查看ID为xxx的声音是否克隆成功。
工具详情： | 工具名称 | 工具描述 | 输入参数 | 输出内容 | | --- | --- | --- | --- | | generateVoiceClone | 根据上传的音频生成声音，可用于语音合成和视频制作。 | • name：克隆声音的名称，长度不超过50
• gender：音色的性别
• describe：克隆声音的描述，不超过100
• uploadAudioId：用于克隆声音的音频文件ID
• example：用于试听的文本，长度不能超过100 | • perId：克隆声音的音色ID | | getVoiceCloneStatus | 根据任务的语音说话者ID查询语音克隆任务的当前状态。 | • isSuccess：是否仅查询克隆成功的任务（true：仅查询成功的任务，false：查询所有克隆任务）
• perId：查询指定音色ID的任务 | • perId：克隆声音的音色ID
• name：音色名称
• describe：克隆声音的描述
• exampleText：用于试听的文本
• examplAudioUrl：使用试听文本合成的音频文件链接
• status：当前任务的状态，PREPARING、CLONING、SUCCESS、FAIL
• reason：如果克隆失败，此处描述失败的原因
• gender：被克隆声音的音色性别 |