Agent Skills
返回列表
🎨

虚拟人AI主播视频生成

设计多媒体 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,在 AI 助手中安装 @user_442551c3/virtual-avatar-broadcaster-600029。

技能介绍

要解决的问题

做一条虚拟人主播视频,最常见的失败不是“模型不够强”,而是三个环节各做各的:角色在镜头间漂移、口型和声音对不上、导出的分辨率与平台比例不兼容。尤其当脚本由多人协作时,审美口径不统一,后期会反复返工。

本技能把这条链路拆成可复核的工序,避免在工具界面里临时拼凑。

核心能力与关键步骤

1. 先定口径,再生成素材

  • 明确视频目标是 宣传 / 教育 / 娱乐 / 转化 中的哪一类,目标决定镜头节奏和 Hook 位置。
  • 在动手前锁定平台比例:16:9 横屏、9:16 竖屏、1:1 方形。
  • 建立角色/产品视觉锚点档案,记录发型、服饰、色值与光照方向。

2. 数字人建模与口型同步的技术路线

  • 建模三路线:3D建模(Blender / Maya)、2D Live2D、AI生成(Stable Diffusion / GAN)。
  • 皮肤纹理细节可用 TrueTouch 提升到 2048x2048。
  • 口型同步有两条路径:音素序列映射 或 端到端深度学习。
  • TTS 引擎可选 Descript(20+ 音色),背景音乐可接 Suno AI;虚拟直播间可用即梦 AI 的“电影级模板”加 SDV 3D 空间扩展。

3. 素材生成与一致性控制

  • 静态关键帧:Midjourney / Stable Diffusion / DALL·E。
  • 动态镜头:Runway / Kling / Sora / Pika。
  • 角色一致性靠三步:Seed锁定 + 参考图注入 + Character Reference。
  • 场景一致性靠 统一色调、统一光照方向、统一风格标签,不要逐镜临时发挥。

4. 后期合成与质量审核

  • 剪辑用 CapCut / 剪映 控制节奏,字幕用 AI 自动生成,音频做 TTS配音 + 背景音乐 + 音效。
  • 调色统一采用 LUT 应用、颗粒匹配与风格化滤镜。

适用边界与注意点**

  • 本技能提供的是方法论与规范,不替代实际渲染和算力,生成阶段仍需用户自备相应工具账号。
  • 口型同步质量高度依赖 TTS 音频质量,背景噪音会直接放大错位。

使用场景

  • 为新品发布制作15-60秒虚拟人介绍视频,需生成分镜脚本并统一角色在多镜头间的外观
  • 将直播切片提取为产品演示/优惠讲解/搞笑互动三类素材,重新剪辑为平台适配的竖屏短视频
  • 搭建虚拟直播间,用即梦AI电影级模板加SDV 3D空间扩展生成口播背景
  • 为已录制的TTS配音匹配口型,用音素序列映射或端到端模型完成唇形同步

适合人员

  • 需要批量产出虚拟人口播短视频的自媒体运营,苦于角色在多镜头间漂移
  • 负责企业培训视频的媒体专员,要把PPT讲解转成虚拟讲师主持的多镜头视频
  • 经营电商直播间的负责人,想把长直播按产品演示和优惠讲解切条再分发
  • 做AI视频工具评测的创作者,需要可复现的Prompt公式和美学控制词库做对照实验