用途：该技能调用阿里云百炼（Model Studio）数字人模型，将单张人物图片与音频合成为说话、唱歌或表演类视频。
主要能力：使用固定模型字符串 wan2.2-s2v-detect 检测图片，使用 wan2.2-s2v 执行实际视频生成。归一化接口为 video.digital_human。检测请求参数含 model（可选，默认 wan2.2-s2v-detect）与 image_url（必填）；生成请求参数含 model（可选，默认 wan2.2-s2v）、image_url（必填）、audio_url（必填）、resolution（可选，480P 或 720P）、scenario（可选，talk、sing 或 perform）。响应返回 task_id、task_status，完成后返回 video_url。
使用方式：先运行 wan2.2-s2v-detect 验证图片，通过后再用 wan2.2-s2v 生成。快速开始命令：python skills/ai/video/alicloud-ai-video-digital-human/scripts/prepare_digital_human_request.py --image-url "https://example.com/anchor.png" --audio-url "https://example.com/voice.mp3" --resolution 720P --scenario talk。默认输出 output/alicloud-ai-video-digital-human/request.json，可用 OUTPUT_DIR 覆盖基础目录。
适用场景：图片加音频驱动的说话、唱歌或演示人物视频。
限制：仅限中国大陆（北京）区域；需在环境变量设置 DASHSCOPE_API_KEY，或在 ~/.alibabacloud/credentials 添加 dashscope_api_key；图片与音频须为公开 HTTP/HTTPS URL；音频应含清晰语音或歌声，图片主体清晰；输出时长跟随音频长度，受模型上限约束；图片检测失败时不应直接进入视频生成。其他收费、价格与平台细节暂未提供。