前言¶
让一个虚拟数字人开口说话，看起来只是一段语音合成，实际做起来坑不少：会话要管理，音频流要走 RTMP、TRTC 还是 WebRTC，文本驱动和音频驱动是两条链路，渲染端还要配合动作和表情。自己拼这些能力，开发量不小。
下面介绍的这个 Skill，把这条链路收拢成一个可直接调用的技能：腾讯云智能数智人（虚拟数字人）交互驱动技能，坐标 @user_103c30c8/digitalhuman，发布在 SkillHub 社区，当前版本 1.0.3，分类 design-media。
这是什么¶
一句话定位：一个把文本或音频驱动数字人实时语音对话的完整工作流封装起来的 Agent Skill。
- 出品方/维护者：SkillHub 社区发布者 user_103c30c8（community 来源，非官方 Tencent 直接发布）。
- 解决的问题：当你需要创建/驱动虚拟数字人、让 AI 数字人说话、生成数字人视频，或把数字人集成到应用里时，不用再自己拼装会话管理、流协议和播放器，直接触发这个技能即可。
注意它带 requires_api_key=true 标签，使用前需要准备对应的 API Key，下文会再提到。
核心功能¶
以下能力以 SkillHub 页面简介为准：
1、文本或音频驱动：可以用文本，也可以用音频输入，驱动数字人进行实时语音对话。
2、会话管理：对话不是单次问答，技能内部覆盖会话维度的管理。
3、流协议支持：覆盖 RTMP、TRTC、WebRTC 三种常见流协议。
4、WebSocket 交互驱动：除流协议外，提供 WebSocket 通道的交互式驱动方式。
5、H5 播放器：提供面向浏览器端的 H5 播放器，便于在网页中嵌入使用。
一句话概括：从「给一段文本或音频」到「数字人实时说话并可被播放」的链路，由这一个技能覆盖。
安装与启用¶
已抓取资料中没有给出具体安装命令，安装方式以 SkillHub 官方页面为准：
- SkillHub 页面：https://www.skillhub.cn/skills/user_103c30c8/digitalhuman
- API 地址：https://api.skillhub.cn/user_103c30c8/digitalhuman
启用前有两点要确认：
1、该技能带 requires_api_key=true 标签，使用前需在腾讯云侧准备好对应 API Key，并在技能配置中填入；配置字段以技能包内 SKILL.md 说明为准，此处不杜撰字段名。
2、版本与来源信息：当前版本 1.0.3，来源 community，发布者 user_103c30c8。
说明：资料中未提供 Cursor、Codex CLI、Claude Code 各自的安装差异说明，本文不编造。如果后续拿到 SKILL.md 原文，再补充各 IDE 的具体安装方式。
典型用法¶
已抓取资料中没有官方示例代码，这里给出基于技能简介可确认的调用方向，具体接口以技能包内文档为准：
1、文本驱动：传入一段文本，技能完成语音合成与驱动，数字人按文本内容说话，可用于播报、客服话术回放。
2、音频驱动：传入一段音频，技能按音频的节奏和音色驱动数字人，可用于数字人直播、视频口播。
3、流协议输出：根据目标端选择 RTMP 推流、TRTC 实时音视频或 WebRTC，分别对应直播推流、低延迟实时通话、浏览器直连场景。
4、WebSocket 交互驱动：适合需要边对话边下发指令的交互式场景。
5、H5 播放器：把渲染端嵌入网页，用户在浏览器里直接看到数字人。
适用场景与注意¶
适合谁：
- 需要在应用里加一个「会说话的数字人」的开发者，尤其是直播、客服、播报、交互式导览方向。
- 已经用腾讯云数智人相关能力、希望用 Skill 方式收拢调用链路的团队。
限制和坑：
1、需要 API Key，没有 Key 无法启用，且 Key 的开通、计费归属腾讯云账户，需自行确认。
2、来源是 community，不是官方机构账号直接发布，集成到生产环境前建议先在测试环境验证链路稳定性。
3、简介提到流协议、WebSocket、H5 播放器等多种链路，具体可用能力取决于技能包内 SKILL.md 的实现，未核实前不要假设全部链路都已可用。
4、数据表现：SkillHub 页面显示评分 100000、下载 1258、安装 0。安装数为 0 是当前页面快照，选型时建议以最新页面数据为准。
结尾¶
这个 Skill 的价值在于把数字人实时语音对话的多段链路（会话管理、流协议、WebSocket 驱动、H5 播放）收拢成一次触发，减少自研拼装成本。适合有明确数字人集成需求、且能提供腾讯云 API Key 的开发者。
官方地址：https://api.skillhub.cn/user_103c30c8/digitalhuman
