技能介绍

它解决什么问题

当旁白音频已经就位——不管是实录，还是 voice clone 的产物——剩下的任务就不再是「从文案生成声音」，而是让数字人照着这段音频说话：口型对齐、停顿一致、语速同步，最后交出一个能直接用的 .mp4。这个技能只负责这一步。它不接管文案转语音，也不做一步到位的文生数字人，声音克隆本身同样不在范围内。

核心能力与关键步骤

技能背后是鲸剪桌面端的一次 CLI 调用（commandId: dh.audioDrive）。stdout 是单行 JSON，stderr 里的进度仅供排错，不能转述给用户。标准流程：

确认命令已开放：{CLI} cli enable --id dh.audioDrive
校验登录态与会员：{CLI} auth whoami
执行任务，--audio 为必填；形象三选一：--characterId / --characterName，或直接给 --refVideo
解析 stdout：ok === true 时读取 data.outputPath，否则按退出码走异常恢复

其余参数按需追加：--outputDir / --output 指定 .mp4 落盘位置，--videoIndex 默认 0，--enhanceFace 默认开启。推荐流水线是 voice clone → dh audio-drive，即先拿到音频，再由本技能驱动形象。

适用边界与注意点

前提是已有音频；只有文案没有音频时，应改用文案秒变数字人。
macOS 驱动音频长度不超过 120s，走云端，且与文生数字人共用每日配额；Windows 为本地驱动。
该能力标注 VIP，需确认 data.isVip === true；配额耗尽（QUOTA_EXCEEDED）时停止重试，改提示次日或客户端查看。
退出码速查：0 成功、1 执行失败、2 用法错误、3 命令未开放、4 token 缺失或过期、5 需要 VIP、6 VIP 校验失败。
Token 不要在对话中粘贴，JSON 内部字段也不要向用户复述，只反馈成功与否、输出路径与失败原因。