用途：依据单张人物图片与一段音频，生成角色说话、唱歌或演示（perform）类数字人视频。
主要能力：提供归一化接口 video.digital_human，包含两类请求。检测请求使用模型 wan2.2-s2v-detect（可选，默认值即该模型），必填 image_url。生成请求使用模型 wan2.2-s2v（可选，默认值即该模型），必填 image_url 与 audio_url，可选 resolution（480P 或 720P）与 scenario（talk、sing、perform）。响应包含 task_id、task_status，完成后返回 video_url。
使用方式：先运行 wan2.2-s2v-detect 校验图片，通过后再用 wan2.2-s2v 执行实际生成。前置条件为仅限中国大陆（北京）区域，需在环境中设置 DASHSCOPE_API_KEY，或在 ~/.alibabacloud/credentials 中添加 dashscope_api_key。快速开始命令： python skills/ai/video/aliyun-wan-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 默认输出为 output/aliyun-wan-digital-human/request.json，可用 OUTPUT_DIR 覆盖基础目录。校验命令： mkdir -p output/aliyun-wan-digital-human python -m py_compile skills/ai/video/aliyun-wan-digital-human/scripts/prepare_digital_human_request.py && echo "py_compile_ok" > output/aliyun-wan-digital-human/validate.txt 通过标准为命令退出码 0 且生成该 validate.txt。
适用场景：需要以固定人物形象批量产出讲解、演唱或展示类视频；图片建议为清晰、构图稳定的肖像、半身或全身照，音频应包含清晰语音或歌声，且输出时长跟随音频长度（受模型上限限制）。图片与音频需为公网可访问的 HTTP/HTTPS URL；若图片未通过检测，不应直接进入视频生成。输出与证据建议保存于 output/aliyun-wan-digital-human/ 下，记录归一化请求负载、所选分辨率、任务轮询快照、图片与音频 URL 及图片是否通过检测。参考文档见 references/sources.md。收费、价格、具体时长上限与效果等资料暂未提供。