通用数字人口播视频工作流
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,安装 @user_81096db6/universal-digital-human-video。
技能介绍
要解决的具体问题
制作一条合规、可交付的数字人口播视频,通常要在多个环节之间来回切换:确定脚本来源与时长、选 TTS 语音、生成虚拟人、保留平台水印、再加字幕和知识卡,最后还要验证音视频流、时长、分辨率、帧率、黑尾等问题。现实里,这些步骤分散在不同厂商控制台,适配器容易绑定单一账号,隐私与同意边界常被忽略;在出现说速偏差或媒体规格差异时,还可能反复调用付费 API。这个技能把决策收敛进一条私有工作流,并把账号、身份与输出策略留在包外。
技能如何工作
选项输入
通过 config.json(由 config.example.json 复制并只填写非秘密字段)或交互获取选择:脚本来源(provided、ai、obsidian)、目标时长、语音模式(uploaded_audio、preset_tts、cloned_voice、manual)、数字人模式、水印策略(platform_default、enabled、disabled_if_allowed)、打包方式(none、subtitles、hyperframes)与视觉风格(warm-gray-knowledge、auto、custom)。用户要求全自动时按默认值前进,但不补造凭证或头像/语音 ID。
凭据与预检
数字人、TTS、Obsidian 路径与输出配置只放在用户私有项目或秘密存储中,头像 ID、语音 ID 和签名 URL 不写入技能、日志、截图或示例。可选 doctor 用于拉取 README、检查当前请求的远程与本地文件列表,并在创建付费媒体前请求确认;适配器缺失时按 references/adapter-contract.md 在私有工作区实现。
工作流骨架
- 创建私有项目文件夹,保持输入、媒体、状态与适配器在已安装技能目录之外,并加入忽略规则。
- 准备脚本:
provided保留原意,ai明确受众、角度、时长与语气,obsidian仅读配置的源目录并可选比对输出目录避免主题重复;按约 3.5–4.5 字/秒估算中文时长。 - 生成旁白:按所选模式调用授权 TTS;克隆语音需明确拥有或有权使用。生成一次后核验真实时长,仅在容差外收紧脚本,而不是在未诊断时重复付费调用。
- 生成数字人:提交前校验头像,收到任务 ID 后立即保存不含密钥和签名 URL 的状态文件,轮询同一任务避免重复创建,并及时下载结果。
- 打包视频:
none直接进入验证;subtitles转写最终音频,并用批准脚本对齐时间轴;hyperframes先探测媒体并创建非隐私代理,识别人脸安全区与负空间后叠加字幕、知识卡和轻微运镜,避免遮挡嘴部。 - 验证并交付:确认非空视频/音频流、合理时长、目标分辨率与帧率、无黑尾、字幕可读、无人脸遮挡、无私有元数据;必要时用本地
FFmpegremux 去掉可选容器元数据,但不改写必要来源或合规信号,输出 MP4 与可选脚本、转写稿、分镜和效果说明。
适用边界与注意点
- 所有面孔、头像、语音、源视频与笔记都需要授权;不能用于欺骗性模仿、欺诈、骚扰或未披露的有害合成媒体。
- 不能静默关闭平台合规水印,也不能移除法律或合同要求的来源标识。
- 配置验证、同意确认与可选
doctor检查全部通过后才发起付费 API。 - 私有项目文件、日志、截图与示例不能提交到公共仓库;源笔记和源媒体只读,不被覆盖。
使用场景
- 专题讲解准备时,需要从一句话主题生成60秒口播脚本,再按预设音色合成旁白
- 有现成文稿时,希望保留原意直接转成带授权数字人口播的MP4,不重写内容
- 资料整理时,只读取Obsidian指定源文件夹生成视频方案,并跳过已输出话题
- 成片交付前,需核验音视频流、时长、分辨率、字幕可读与无黑尾后再给最终文件
适合人员
- 短视频编导,需要把选题稳定转成可录制的口播稿与成片参数
- 知识付费讲师,希望用授权数字人和克隆语音复用讲稿并保留资料隐私
- 媒体运营,负责在合规水印约束下产出平台可投放的口播视频
- 独立开发者,想把私有TTS与头像配置隔离在项目外再自动化渲染