该技能用于在视频中生成并放置虚拟主持人（AI 数字人），确保画面中的面部与播放的音频保持口型同步。
用途
用于需要在视频步骤中保持主持人出镜的场景，例如产品演示、推广视频等。主持人可出现在部分步骤中，形式包括：分屏布局中作为顶部人像条（head-and-screen split），或作为圆形气泡叠加在面板角落。
主要能力
- 口型同步：屏幕上出现的主持人必须说出正在播放的音频。若主持人出现在步骤中，需针对整段步骤旁白生成一个 kling-avatar take（一条语音行覆盖所有步骤台词，与钩子使用相同声音），并在每个出镜步骤中使用该 take，按各步骤句子裁剪（转录的词时间提供范围）。该 take 自带的音频即为该步骤的旁白：取消主持人图层静音，且不为该步骤添加单独音频层。同一时间只有一个图层播放音频。
- 若预算仅覆盖钩子 take，则主持人不出现在步骤中。禁止循环钩子 take 或冻结画面作为替代。
- 定价：较长 take 需与钩子 take 一并报价。主持人是否出现在步骤中由用户选择。
使用方式
- 声音：语音行按 voice-over-generation 技能生成。当主持人出现在步骤中时，步骤台词合并为一条语音行。
- 主持人生成：出镜语音行通过 picsart_generate 生成 kling-avatar take：一张面部肖像（imageUrls）加该行的语音作为语音音频。目录中该字段名为 audioUrl（单数且必填），但 picsart_generate 无此字段名；需放入 extra，并配合 picsart_model_params({ model: "kling-avatar" }) 列出的所有其他设置，使用其给出的确切名称。无时长参数：片段时长等于音频时长，因此语音行长度即片段长度。每个 take 使用 picsart_preflight 报价。在语音行和肖像存在之前可能无法定价；此时按付费调用报价，金额未知（参见 picsart-video-rules, SPEND），且禁止为获取数字而生成其输入。出镜语音行应保持少量，因为 take 生成慢且付费。
- 肖像：每个 take 继承肖像缺陷，因此无论生成或上传，肖像必须先通过 references/portrait.md 中的检查，才能生成任何 take。
头部气泡布局
- 主持人片段使用 fit: "contain"，按 screen-recording-layouts 技能的面板公式以面部为框（放大使面部填满圆形；cover 会在片段为横向且面部偏离中心时裁掉面部），使用矩形遮罩，圆度为尺寸的一半（即圆形；1080 宽时约 300–340 px），后方加 4–6 px 边框形状。
- 放置在步骤焦点不会到达的面板角落，避开平台 UI 区域（TikTok 和 Reels 的右侧操作栏和底部字幕区）并避开字幕带。若焦点移入其角落，在剪辑点将气泡移到对角，绝不在缩放期间移动。
- 入场：0.25 秒淡入并从 0.85 缩放（边框是形状，需用不透明度关键帧淡入；淡入预设不适用于形状图层）；录制缩放时气泡保持不动，使眼睛有固定参照点。
遮罩失败时的嵌套方案
- 依赖遮罩前先渲染一帧检查。若该帧失败而无遮罩的同一帧渲染成功，则按 screen-recording-layouts 技能裁剪面板的方式嵌套裁剪气泡：使用 scene_ref 指向与气泡大小相同的嵌套场景，以面部为框。无需等待错误指出遮罩问题。
- 嵌套气泡为方形，因此边框圆度不超过边框宽度的三倍，使方形角落保持在边框内。
头与屏幕分屏
- 主持人条带将面部保持在上半部分，眼睛接近条带高度的三分之一；下方面板框定结果。这是从钩子过渡的最佳方式：在下一行从全帧钩子切换到分屏，主持人将观众带入产品。
检查
- 每个主持人布局在审查前使用 picsart_scene_contact_sheet 验证：面部完全在气泡或条带内，下巴不被裁切，揭示时无物遮挡焦点。
- 每个 take 进入场景前，查看其第一秒、中间和最后一秒的帧，出现以下情况需重新生成：静音时嘴动或说话时嘴不动；出现第二张嘴或嘴滑离面部；嘴模糊或涂抹，牙齿融化；面部偏离肖像，眼睛从不眨眼；下颌或颈部有接缝；最后一个词被裁切（take 在语音行结束前结束）。
限制与注意事项
- 生成的呈现者为 AI 制作。交付时需说明，并告知用户在发布视频时开启平台的 AI 内容标签。
- 出镜 take 生成慢且付费，应控制数量。
- 肖像必须通过检查后才能生成 take。
- 遮罩在部分环境下可能失败，需准备嵌套方案。
- 平台 UI 区域和字幕带需避让。