数字人部署

在之前数字人模型优化，并且封装成模块之后，再进一步集成输入输出，前端输入大模型回答内容，也就是sentence参数，以及前端输入的role，对应需要的角色

1. 模型优化与模块封装

首先，我对数字人模型进行了优化，并将其封装成一个独立模块。这一模块能够处理从输入文本到输出视频的整个流程。为了实现这一目标，我进一步集成了输入输出功能

2. 输入参数与角色选择

在前端，用户可以输入他们想要大模型回答的内容，即 sentence 参数，同时选择需要的角色，这一参数用 role 表示。不同的角色对应不同的文本到语音转换（TTS）声音和图像，因此我们可以将这些步骤串联起来：

sentence & role => TTS => sadTalker => video

3. Flask 路由实现

通过一个 Flask 应用，将前端输入的文本和角色信息转化为动态视频，

以下是我们如何通过 Flask 路由来实现文本到视频的转换：

@app.route('/texttovideo')
def texttovideo():
    data = request.args
    sentence = data.get('sentence', 'Hello, I am SpeakSpark! Nice to meet you!')
    role = data.get('role','girl')
    voicename = '