卷毛AI口播数字人

解决什么问题

AI 口播视频的制作通常被切割成多个割裂的环节：写稿、生成配音、驱动数字人、做后期包装。这不仅需要频繁切换多个工具，还容易因为参数不一致、素材复用率低而导致成片风格不统一。

这个技能将上述流程整合到一个统一的项目规范中。它不只是帮你调用某个 API，而是作为一个项目总控，管理从选题调研到最终导出的所有中间产物。通过强制的目录结构和状态追踪，确保每一期视频的制作都有迹可循，避免重复劳动。

核心能力与工作流程

技能的工作流建立在资产复用和严格关卡确认两个基础上。

1. 环境与资产初始化

启动时，它会优先检查当前工作区是否存在 .juanmao-ai-video.json 或历史素材。如果已经配置过账号、声音模型或人物形象，它会直接复用这些设置，只需确认新的选题。环境依赖通过 scripts/check_environment.py 校验，确保本地工具和 RunningHub 凭证就绪。

2. 标准化的七道确认关卡

为了防止“盲目生成”造成的资源浪费，流程中设置了必须由用户确认的节点：

• 选题与文案：确认最终内容角度，并完整展示口播稿等待确认。
• 素材确认：询问是否需要辅助素材，允许回复无素材。
• 云端费用：在调用 RunningHub 等付费接口前，必须获得明确授权。
• 预览与渲染：正式渲染全片前展示短预览；只有收到明确的渲染指令才会执行。
• 封面生成：默认生成 3:4 竖屏封面，其余比例需用户单独确认。

3. 依赖集成

技能深度整合了 hyperframes 用于后期字幕和渲染，以及 RunningHub 用于整合 IndexTTS2 和 InfiniteTalk 工作流，确保数字人驱动的质量和音画同步。

适用边界与注意点

• 不自动发布：技能严格遵守隐私和安全边界，不会自动上传视频到社交平台，所有发布动作需人工介入。
• 依赖隔离：如果缺少 RUNNINGHUB_API_KEY，仅会阻断云端数字人生成环节，前期的文案创作和音频准备仍可正常进行。
• 迭代友好：如果用户后续仅想微调字幕或配色，技能不会强制重走已经确认的上游环节（如重新生成音频或重新确认选题）。