百度一镜数字人若想摆脱机械感、实现自然流畅的表达，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

首先，需要明确一点：百度一镜动作库不支持“全程自动识别+自由发挥”。它完全依赖创作者在脚本中手动标注明确的触发锚点。

• 触发方式：系统会以你标注的时间点（例如“大家好”起始帧）作为动作播放的起点，随后按照内置的毫秒级时长，自动播放完整的动作片段。
• 默认状态：如果没有标注任何动作，数字人只会执行基础的口型同步功能，上半身将保持默认的静止姿态。

全部18个预设动作均经过骨骼拓扑对齐，但有一个关键限制：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：定位语义节点

在脚本编辑器中，找到需要强化的语义节点。例如，在“这个方案非常可靠”这句话中，重点词“非常”就是强调动作的理想触发点。

第二步：绑定动作

选中该词语，点击工具栏中的「插入动作」，然后从下拉菜单中选择一个合适的动作，例如：

• point_right：右手食指指向
• 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动作。

第三步：检查时间轴

动作图标会出现在对应字幕条的下方。鼠标悬停可以查看该动作的实际播放时长（例如，“wa ve”为1200ms，“hand_on_chest”为980ms）。

重要限制：如果相邻两个标注点的间隔小于前一个动作的播放时长，后一个动作将被跳过。这是系统的硬性限制，无法绕过。

避免生硬感的两种实操方法

方法一：用「聆听状态」做缓冲

在每段话的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秒的柔和过渡动画，有效打断动作间的突兀切换，让整体表现更加自然。

方法二：拆分长句触发点

不要在整句的末尾才标注动作，而是把一句话拆分成2～3个语义单元。例如：

• “我们先看数据” → 插入“point_left”
• “再分析原因” → 插入“nod_slow”
• “最后给出建议” → 插入“open_palm_up”

这样能让动作节奏贴合人类说话时的呼吸停顿，有效避免机械感。

特别注意：连续使用相同动作（例如连续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。如果需要调用非预设动作，必须通过百度一镜PAAS服务，提交动作骨骼数据包，经过平台审核后，才能在WebUI中看到新动作选项。审核内容包括：

• GLB格式文件
• JSON元数据
• 语义标签

【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。

常见问题与小提示

常见问题

• 问：为什么我标注的动作在播放时只做了一半？
  答：动作时长是固定的，不可手动拉伸或截断。如果感觉动作不完整，可能是相邻标注点间隔太短，导致后一个动作被跳过。请检查时间轴，确保间隔足够。
• 问：一个段落里最多可以标注多少个动作？
  答：虽然没有硬性数量限制，但建议控制在5个以内。过多的动作会显得杂乱，且容易触发“连续相同动作降权”的机制。
• 问：如何避免动作被覆盖？
  答：每个标注点只能绑定一个动作。如果需要修改，删除旧标注点，重新插入新动作即可。

小提示

在正式输出前，多利用时间轴检查功能，确保动作图标之间的间隔合理。一个简单的原则是：标注点间隔至少大于前一个动作的播放时长，这样可以避免动作被意外跳过。