SuperAPI AI 工具集

Avatar / UGC

设计与创作

查看项目

更新于 11-01 21:05

技能介绍

用途:本技能用于制作经同意的出镜人或 UGC 风格视频草稿。输入包括已授权的虚拟形象图像或视频、脚本和音频来源,输出为保持视觉身份、声音身份、台词、披露和交付格式明确的视频草稿。该技能不授权冒充他人,也不负责发布合成媒体。

同意门槛:在处理真人形象或声音之前,必须先确认本次制作及预期分发的授权状态。不得创建未经同意的冒充、色情深度伪造、欺骗性政治言论或未成年人形象。需要记录同意状态为未知、声称、已验证或已批准发布;公开资料或提供的文件本身不构成同意。

需收集的信息:虚拟形象/人物 ID 及授权图像/视频参考;脚本、发音、语言、字幕、CTA 和披露文本;音频来源(提供的录音、经批准的生成语音或静音);出镜人构图、手势、背景、时长、比例和平台;虚拟形象、声音、音乐、标识和地点的权利;审核负责人、变体数量和成本/审批边界。

路径选择:已有出镜人视频加授权音频时,首选 media.lipsync,保留父视频并检查口型/面部同步;授权静态图像或虚拟形象加音频时,使用 LTX 或其他实况图像/音频口型同步方案,需以当前模型 schema 为准,不能假定所有口型同步工具都接受图像;图像/视频加动作或表演简报时,使用 media.generate_video 并以 I2V/参考输入,然后检查身份漂移;尚无语音音频时,使用相邻语音智能体或可用语音能力,但仍需声音授权和脚本批准。应使用 MODELS.md 并实时检查 schema;当前目录包含多个口型同步系列,其必需 URL 不同,通用口型同步合同需要视频和音频 URL,而 LTX 2.3 的口型同步 schema 需要音频且可能接受图像,具体字段通过 muapi-video-tools.md 确定。

执行流程:冻结已批准脚本,每行标注为提供、批准或建议,不得为流畅而添加事实性声明;上传本地图像、视频和音频输入,记录角色、权利状态、返回 URL 和过期预期,不存储原始密钥;检查时长和分段,仅在所选提供商支持可靠拼接路径时才将长语音拆分为有意分段,并保持分段间词语和顺序;提交所选任务,保留预测 ID 并轮询或接收结果,不得静默将口型同步任务切换为说话头像生成器;审核口型时间、音素、眼睛、面部边界、头/手运动、身份、背景、字幕、音频伪影和合成披露;涉及真人或生成语音时返回草稿并附明确披露建议。使用视频 QA 并保留父/子链接;若音视频无法可接受地同步,应报告失败并提供新拍摄或常规编辑方案,而非静默拉伸语音。

输出契约:返回脚本/版本、虚拟形象和音频角色、同意状态、模型/端点、预测 ID、输出 URL、状态、时长、字幕/披露处理、音频来源、QA 发现和失败分段。仅在允许时按 reports-and-receipts.md 将回执存储在 .video/ 下。发布、创作者外联和平台披露提交不属于本技能范围。