用途：为使用者本人创建声音与视频数字分身，并让其说出任意文本。声音克隆由 ElevenLabs 完成，音频驱动的说话头像视频由 fal.ai 提供；密钥可从 eleven-labs-skill 与 fal-video-skill 配置自动继承。
主要能力：
- 声音克隆：支持 Professional Voice Clone（PVC，保真度高，需 30 分钟以上干净单人音频，建议约 3 小时，需 Creator+ 套餐与专业语音槽位，并有人工验证步骤）；也支持 Instant Voice Clone（1–5 分钟音频，即时可用）。
- 人脸登记：可用单张照片，或通过 nano-banana-pro 从参考照片合成正面头像；15–30 秒视频片段效果更好。
- 参考镜头：可选生成不同表情、角度、服装、场景的风格化关键帧。
- 生成：仅音频（say）或完整说话视频（video）。
使用方式： 安装：pip3 install elevenlabs requests fal-client（建议 ffmpeg；shots 需 nano-banana-pro 技能）。 查看状态：python3 ~/.claude/skills/digital-twin/digital_twin.py status 配置密钥：python3 ~/.claude/skills/digital-twin/digital_twin.py setup --elevenlabs-key KEY --fal-key KEY 设置数据目录：python3 ~/.claude/skills/digital-twin/digital_twin.py setup --data-dir ~/Documents/DigitalTwin 创建声音：python3 .../digital_twin.py voice-create "Idan" sample1.mp3 ... 验证：voice-verify，录制后 voice-verify --recording captcha.mp3 训练与查询：voice-train、voice-status 即时克隆：voice-instant "Idan" short_sample.mp3 登记人脸：enroll-face "/path/to/photo.png"，或加 --generate 生成音频：say "文本" --out hello.mp3，或 say --file script.txt 生成视频：video "文本" --out hello.mp4，或 video --file script.txt --model infinitetalk
视频模型（--model）：kling（默认，表现力强，1080p，最长约 5 分钟）、omnihuman（单照片，约 30 秒音频上限）、infinitetalk（长视频，身份保持强，基本无时长限制）。
限制与注意：长脚本应改用 infinitetalk 或 kling；fal 的模型标识与输入字段会变化，校验失败需查 fal.ai 页面调整；TTS 默认 eleven_multilingual_v2；视频默认使用固定机位提示词，可用 --prompt 覆盖；建议设置 data_dir 避免媒体进入技能仓库；仅可克隆本人形象，克隆语音、关键帧与输出需访问控制，不得未经明确授权提供给第三方。