SuperAPI AI 工具集

ai-presenter-video

设计与创作

查看项目

更新于 10-16 09:46

技能介绍

用途:把主题(或现成脚本)加一张获授权的成年人出镜者图片,做成完整可发布的出镜主播视频;也支持继续、修改、加字幕、修复唇形同步或重新导出已有任务。工作流与具体供应商无关,按当前会话实际可用的能力选择:FAL 视频/图像模型(image_generate 与 video-gen 插件)、TTS(text_to_speech)、ASR(whisper/STT)、ffmpeg 做确定性处理。

用法要点:新建任务用 python3 "$SKILL_DIR/scripts/init_job.py" --job-dir ... --presenter-image ... --topic ... --duration 60 --aspect 9:16 --rights-confirmed --adult-presenter-confirmed;已有脚本用 --script。先人工审阅输入(用 vision_analyze 看图片、听语音样本),在 job.json 的 manual_input_review 记录结果,再运行 python3 "$SKILL_DIR/scripts/preflight.py" <job.json>;仅当 ok:true 继续,仅当 remote_ready:true 才做远程生成。随后锁定内容与音频(脚本→TTS 旁白→ASR 校验→记录真实时长),先做低成本试片,再做完整生成、剪辑、验证与交付,最后用 bash "$SKILL_DIR/scripts/finalize_delivery.sh" <rendered.mp4> <outputs> my-video 输出母版与分享版并生成九帧拼图供人工检查。

限制:远程头像/TTS 生成会计费,首次付费前须说明资产、秒数、已知成本、试片规模与重试上限并取得明确同意;在 job.json 的 input.remote_upload_approved 为真前不得上传出镜者图片。必须确认图片权利、成年人身份、远程上传批准与语音克隆授权;不得从图片推断或克隆真人声音。完整旁白须在头像生成、字幕计时与最终分镜前锁定;成品中视频源静音,仅保留批准旁白与有意混音。同一付费候选被拒三次后停止并总结失败模式;最终文件需可完整解码且已查看拼图后方可称完成。默认 9:16、1080×1920、30fps,主题视频 45–75 秒,无所授权样本时用库存语音,未要求则不添加音乐/CTA。注意 preflight.py 依赖 ffprobe;许可布尔值须写在 input.* 下;长头像片段易漂移,宜用一段连续出镜源按音频时间线切片。