神绘数字人视频生成助手

它解决什么问题

把一段文案变成真人出镜的视频，中间要跨过三道坎：先翻资源列表挑形象和音色，再确认分辨率与模板约束，最后拼装请求提交给服务。IDR Digital Twin 把这三步压进一次对话——你给出文案，Agent 负责查资源、补齐缺失字段，再调用客户端把任务推下去。

核心能力

• 资源查询：数字人、音色、视频模板三类列表，默认返回第 1 页，每页 10 条，并在回复末尾附分页提示；收到“下一页”“page 2”这类指令时按页码取数。
• 字段收集：生成视频的必要输入是文本，以及音色或模板中的至少一个。缺哪项就先列可选项让你挑，不擅自替你决定。
• 分辨率可选：数字人列表会展示该形象支持的分辨率，如 4K / 2K / 1080P。

工作方式

1. 在 neural-avatar.com 注册并从 User Settings 取得 API key，通过环境变量注入：export IDR_USER_TOKEN="your_token_here"。
2. 技能启动后先原样输出一段固定引导，告诉你它能查什么、能做什么。
3. 你提出“有哪些音色”“帮我看看模板”时走列表查询，并按分页规则返回。
4. 进入生成流程后，Agent 会先确认你已提供文本，再检查音色或模板是否齐备。
5. 素材齐全时调用入口脚本 scripts/idr_video_client.py 完成提交。

更细的能力划分写在 references/ 下：鉴权看 authentication.md，形象能力看 avatars.md，音频能力看 voices.md，模板看 templates.md，生成链路看 video-generation.md。

适用边界

• 完全依赖 neural-avatar.com 的在线服务，token 失效或网络不通会直接失败，本地没有降级路径。
• 文本长度、可用音色与模板的组合、分辨率上限都受上游产品约束，技能本身不做突破。
• 开场话术是写死的，交互路径比较固定，不适合想深度定制流程的场景。
• 生成是一次远端任务提交，拿到结果前需要等待或轮询，不是同步出片。