create-creator-takes-h3 是一个用于生成 AI 创作者出镜说话视频的技能，当前版本已被 creator-h3@1.8.0 取代，兼容脚本保留源审查保护措施。该技能通过 GooseWorks fal-proxy 调用 H3 Max 的参考生视频能力，将人物静帧、声音和台词合成为一条连续视频。
该技能的工作流程由多个脚本组成：make_character.py 根据用户提供的年龄、性别、族裔、发型、服装和场景构建人物静帧（付费，一次静帧，美分级）；pair_voice.py 为人物匹配 ElevenLabs 声音或发起 Voice Design 请求（免费，Voice Design 本身付费）；plan_takes.py 将台词拆分为每段不超过 15 秒的镜头并生成提示词（免费）；run_takes.py 生成视频片段，默认 dry run，需加 --go 才实际生成（付费，H3 Max，默认 768P）；join_takes.py 将片段合并为一条创作者视频（免费）；align_beats.py 将台词时间对齐到实际说出的词（免费）。
画质分 Standard（默认）和 Best 两档，在脚本审批时由客户选择。Standard 使用 GPT Image 2 medium 静帧和 H3 768P 视频；Best 使用 high 静帧和 768P 视频。除非客户要求，视频不超过 768P；最终输出均为 1080×1920，最后剪辑步骤用 ffmpeg 将 768P 画面放大。分辨率须在第一个片段前选定，后续片段沿用 t1 的声音并以其为审核基准，若分辨率不一致，run_takes.py 会拒绝继续。
该技能强调实际画面与声音审核，而非仅依赖提示词或转录。每个片段需转录并检查后写入 planned tN.words.json 再合并。审核记录 source-reviews.json 中 coverage 注明 motion 和 audio 为 watched/measured 或 listened/measured；measured 表示使用全分辨率帧和词时间进行检验。只有 must_fix 问题才判失败，明显 AI 感但可接受的片段判通过并记录证据。
人物设定必须由用户选择，年龄、性别、族裔、发型、服装和房间为必填参数，无默认人物，禁止复制示例。delivery 默认 calm and conversational。identity 和 environment 逐字写入每个镜头，避免人物漂移。动作镜头需通过 --action 传入，若动作占用双手则拒绝自拍模式而改用支架手机。产品针对的皮肤状况可通过 --skin-condition 显示。每个捕获要求单侧窗光或灯光、正常曝光、无 HDR、哑光皮肤、无过度锐化。
声音需与人物匹配，根据年龄、性别及 --voice-accent、--voice-energy 选择；若声音库无匹配，可用 Voice Design（付费，需报价并试听预览）。当声音列表中没有人物族裔的声音时，voice_pair.nearest 提供最接近的选项，--accept-nearest 写入给负责人的说明。参考语速通过转录计算，plan_takes.py 的 --reference-wps 按该语速规划镜头，上限 3.2 词/秒。
该技能需要支持相应调用的 GooseWorks 版本；不支持时会返回 unsupported_provider_endpoint。官方文档暂未提供明确的价格与定价细节，仅提及部分步骤为付费（美分级），具体费用暂未提供。