虚拟人AI主播视频生成
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