使用单张肖像创建自定义数字人，支持 JPEG/PNG/WEBP/HEIC，文件不超过 10MB。之后可通过 POST /api/v1/video，使用返回的 avatar_id 让数字人朗读任意脚本。
请求头
X-API-Keystring必填你的 VisionStory API Key（sk-vs-...），请仅保存在服务端。可在 API Key 管理 中创建或管理，需要 Pro 或更高方案。
请求体
application/json必填img_urlstring | null可为空源图像的公开可访问 URL。此字段与 inline_data 二选一。支持 JPEG/PNG/WEBP/HEIC，文件不超过 10MB。
inline_dataInlineDataModel | null可为空以内嵌 base64 数据提供的源图像。此字段与 img_url 二选一。
datastring必填文件原始字节编码后的 base64 字符串，不包含 data: URI 前缀。
mime_typestring必填内嵌数据的 MIME 类型，网关据此区分图像、音频和视频。可接受的类型取决于具体接口，请参阅包含此对象的字段说明。数字人视频接受音频 ['audio/avi', 'audio/mpeg', 'audio/mp3', 'audio/mp4', 'audio/m4a', 'audio/wav'] 和图像 ['image/jpeg', 'image/jpg', 'image/png', 'image/webp', 'image/heic']。
响应
200请求成功
application/json
dataCreateAvatarResponse | null必填可为空返回已创建的数字人数据。
aspect_ratiosstring[]此数字人已适配的宽高比（1:1 / 9:16 / 16:9）。生成视频时请选择匹配的 aspect_ratio。
avatar_idstring必填数字人的唯一标识符。生成数字人视频时，将其作为 avatar_id 传入。
created_atinteger数字人创建时的 Unix 时间戳，单位为秒；公共或平台数字人为 0。
default_voice_idstring数字人预设的声音。文本脚本中必须提供 voice_id；如需使用数字人自身的声音，请复制此值，不要猜测。未预设声音的数字人可能返回空值。
thumbnail_urlstring必填数字人预览缩略图的 URL。
messagestring便于阅读的状态消息；调用成功时为 "success"。
server_timestring · date-time必填服务端生成响应时的时间戳，使用 ISO 8601 格式（UTC）。
default错误响应。所有失败均使用统一结构：error 对象包含数字错误码 code、便于阅读的 message、可选的 details 字符串，以及提供后续处理建议的可选 hint（便于 AI Agent 使用）。
application/json
errorErrorDetail必填codeinteger必填机器可读的错误码。传输层失败时对应 HTTP 状态码（例如 401、404、422、500），其他情况可能使用业务专用错误码。
detailsstring | null可为空可选的结构化错误详情，例如 422 响应中逐字段校验错误的 JSON 字符串。无补充信息时不返回。
hintstring | null可为空供用户和 AI Agent 参考的错误处理建议，例如如何修正请求或在哪里获取 API Key。可能不返回此字段。
messagestring必填便于阅读的错误原因说明，可安全记录到日志或展示给最终用户；此返回值未本地化。