用途：将 10-60 分钟的 YouTube 长视频克隆，用 HeyGen 数字人替换创作者面部，处理全屏口播、带摄像头气泡的录屏、无人脸片段等混合内容。
主要能力：下载源视频；Whisper 词级转写；按 ≤4000 字符切分文本并提交 HeyGen 生成；轮询下载分块；拼接并做时长速度匹配；逐秒分类 fullscreen/pip/noface；检测摄像头气泡像素边界；按片段类型合成；最后混入数字人音频并压缩交付。
必要用法：需设置 HEYGEN_API_KEY、Avatar ID、Voice ID。核心命令包括 yt-dlp 下载、whisper 转写、ffmpeg 拼接与合成。关键点：HeyGen 单次输入上限 4000 字符；速度因子为 avatar/source，小于 1 放慢、大于 1 加快，atempo 仅接受 0.5-2.0，极端值需链式；所有片段渲染时用 -an 去音频，最后混入数字人音频以保证口型同步；concat 列表路径相对列表文件而非当前目录。
适用场景：需要批量替换长视频出镜人、保留原画面与录屏内容的口播类视频再制作。
限制：依赖 HeyGen 与 Whisper 等外部服务，需 API 密钥与额度；人脸检测基于 Haar 级联，气泡边界检测依赖亮度阈值，可能需人工校验；具体收费、平台支持与效果资料未提供。