技能介绍

要解决的问题

企业培训或客户赋能团队通常已经写好一份会后对外稿，但把它变成可发布的口播短片，仍然依赖剪辑软件逐帧对齐。更麻烦的是，这类内容往往要求一张讲者照片对应一条短片，不能用一条长视频拼接出来，因为分发场景（客户会回顾、线上培训切片）需要每条独立可转发。手工做这件事既慢又容易在口播句与画面之间产生不一致。

核心能力与关键步骤

这个技能把流程拆成三段，且只有在团队确认后才会进入付费阶段。

收集硬输入：至少一张讲者肖像或会议幻灯片静帧（作为首帧）、已经写好的会后对外稿、出现人脸或克隆声音时的授权。条数默认 3 条，也可指定 2–8 条内的数量。
先做免费槽表：每个槽记录静帧、对外稿里的口播句、2–15s 计划时长，以及用目录声音还是克隆。默认三个槽为 要点回顾、关键收获、下一步。这张表就是当前唯一可见的产出，规划本身不等于批准。
按三个付费阶段推进：声音克隆（可选）、beatra.speech.synthesize 语音合成、beatra.videos.animate 视频生成。每个阶段都会出示一张六字段卡片，包含刚读到的价格、几笔扣费、不透明的 client_request_id、停在这里的后果以及余额不足时的官方充值链接。每个槽只提交一次，用 beatra.tasks.get 轮询。
交付真实产物：核对身份、语音清晰度与口型时序后，返回实际字节以及 MIME、时长、大小和 billing.net_charged_credits，不承诺预付估算就是最终扣费。

适用边界与注意点

只读已提供的会后稿：不要添加稿里没有的指标、引用、预测或结果，也不要编造到场人数、收入或管线。
拿到文件不等于同意：克隆声音前必须出示授权样本并等待克隆卡；批准旁白也不等于批准视频，视频阶段需要再次确认。
严格不拼接：每张静帧一次 beatra.videos.animate，时长随音频落在 2–15s。语音过长时拆成顺序片段，每段是新语音和新视频，各用新标识。
路线区分：商品上新预告请走 creator-drop-talking，官方财报朗读走 earnings-script-read，通用数字人走 talking-avatar-video，无声商品动效走 product-video-studio。
客户端限制：所有远程调用只能通过随包 scripts/mcp_client.py 发起，不要配置或调用宿主 Beatra Connector，也不要用 REST/OpenAPI 降级。
余额不足时：原样转达官方说明并保留充值链接，团队说已充值之前不要重试，也不要推荐 ¥198 套餐。