文案生成数字人

解决什么问题

在短视频和播客内容生产中，真人出镜往往面临场地、设备和档期协调的痛点。这个技能旨在将静态文案直接转化为数字人口播视频，免去了传统视频剪辑中繁琐的抠像、对口型和轨道对齐工作，让开发者能够通过命令行直接产出可用的视觉素材。

工作原理与执行流程

技能的核心依赖于鲸剪桌面端的 CLI 接口 dh.textToDigitalHuman。执行时，系统会解析输入的文案与角色参数，调用渲染引擎生成 .mp4 文件。

• 参数配置：通过 --text 传入文案，并结合 --characterId 或 --characterName 指定出镜角色。可选参数 --emotion 和 --enhanceFace 用于控制情绪表达与面部画质。
• 结果解析：执行完成后，CLI 会通过 stdout 返回单行 JSON 数据。开发者只需检查 ok 字段是否为 true，并提取 data.outputPath 即可获取最终视频路径。

适用边界与注意事项

虽然自动化程度高，但在集成时需注意以下平台与权限限制：

• 平台差异：Windows 环境支持本地渲染，而 macOS 依赖云端算力，因此受每日调用配额限制，且与音频驱动任务共用次数。
• 文案长度：在 macOS 平台上，--text 参数的文案长度被严格限制在 300 字以内。
• 异常处理：当返回状态提示次数已用完时，应立即停止重试机制。若已有现成配音音频，应改用音频驱动技能，而非在此重复合成。