如果你想让百度一镜数字人说粤语、四川话等方言，而不是默认的普通话，最关键的一步就是手动切换对应的方言发音人——如果省略这一步，数字人即使开口，输出的依然会是标准普通话播音腔。另外，在语音合成管理中还需要先确认目标方言发音人是否已经启用；若当前账号没有相关权限，则需要先提交工单申请开通。正式配音时，建议使用粤语等方言书面文本，或添加［lang=zh-yue］这类语言标识；如果是中英或多语种混合内容，则要按段落分别标注。适当加入背景音可以提升视频沉浸感，但要特别注意音量比例与循环播放设置。

确认当前数字人支持的方言发音人

登录百度智能云控制台后，进入「一镜数字人」服务页面，点击左侧菜单中的「语音合成管理」，再在「发音人列表」中查找带有“粤语”“四川话”“闽南语”等标签的发音人。需要注意的是，并非所有数字人模板都会默认开放方言发音人，部分方言语音能力需要单独申请开通。

如果发音人列表中只能看到“度晓峰”“度小满”这类普通话音色，通常说明当前账号尚未开通方言语音私有化服务。必须先提交工单申请开通方言能力，否则后续所有设置都不会生效。

为数字人视频任务绑定粤语发音人

进入「数字人创作」，选择已经创建好的数字人项目，点击「配音设置」，展开「语音合成参数」，然后找到「发音人」下拉选项。

在下拉列表中，若要设置粤语配音，可选择「度小粤-粤语女声」或「粤语男声」；如果需要四川话配音，可选择「四川小哥」或「度小蓉」；若想使用东北话、上海话等其他方言，则可以直接搜索对应发音人名称，例如“度阿锦”“度阿花”。

⚠️ 同一段配音脚本不能同时混用多种方言发音人；如果视频内容涉及不同语种或不同方言切换，必须拆分成多个配音片段后分别生成。

上传含粤语/四川话语音的原始文本

方法一：直接粘贴粤语书面语或四川话文本，例如“今日天气真系好”“我哋去食饭啦”，系统通常会自动识别语种，并调用对应的方言发音人进行语音合成。

方法二：在文本前添加语言标识符，手动指定语种。比如：
［lang=zh-yue］今日返屋企食饭未？
［lang=zh-sichuan］你吃过饭没得？

方法三：对于混合文本进行分段标注。例如普通话和粤语夹杂的场景：“欢迎来到广州（［lang=zh-CN］）→ 呢度真系好热闹（［lang=zh-yue］））”，通过逐段标记，可以分别触发对应的发音人。

如果既不添加语言标识，也不用粤语书写，系统有可能把内容误判成错别字、口语写法或拼音，最终输出较为生硬的读音——例如把“咗”读成“zuǒ”，而不是更接近粤语发音的“jo²”。

添加背景音增强方言沉浸感

第一步：在配音设置页面勾选「启用背景音融合」。
第二步：点击「上传背景音」，支持MP3/WA V格式，建议优先选择岭南茶楼环境音、成都街巷叫卖声等更具地域特色的本地化音效。
第三步：调节人声与背景音的音量比例，方言配音通常建议将人声音量设置为85%，背景音设置为15%，以免背景声掩盖方言咬字细节。
第四步：开启「循环播放」更适合纯氛围类环境音；如果背景音中包含节奏明显的音乐，建议关闭该选项，否则视频结尾可能出现突兀截断的问题。

背景音文件一旦上传并完成视频合成，就无法直接在已生成成品中替换；如果后续需要修改背景音，只能重新提交整个配音任务并再次生成视频。