一张照片加一段文案，自动出带数字人出镜的口播视频。写稿、对口型、修音、字幕、花字包装这些全由 AI Agent 代劳，人基本不用动手。
功能特性
- 固定形象复用：脸、衣服、声音描述都存在 persona.json 里，每次出镜都是同一个人，换场景（直播间、门店、教室、街头）先让 GPT Image 合成背景图，再让数字人开口。
- 口型同步：稿子切成 15 秒一段，走 Renoise MCP 调用 Grok Video 1.5 生成，也留了 Wan 3.0、OmniHuman 的接口。
- 先报价后花钱：生成前 Agent 报清楚段数、秒数、积分、余额，你点头才开工，先拍第一段看效果，满意再批量。
- 两道质检：whisper 回听比对原稿，抽 4 帧检查画面有没有被 Grok 私自烧进字幕。
- 声音统一：频谱匹配、去齿音、统一房间混响、响度统一，30 段分开录的听着像一次拍完。
- 按内容推风格：Agent 诊断内容后推荐 2 种剪辑风格，附预览图，一次确认完比例、时长、花字强度、主播安排。
- 48 个包装组件：拆过 25 支头部博主视频（MrBeast、影视飓风、何同学、半佛仙人这些），开场钩子、数据证据、节奏互动都有现成模板。
- 景深字：大字放背景和人之间，macOS Vision 做人像分割，三层合成。
- 多语言：英日韩法西阿拉伯语都跑通过，whisper 回听准确率 94% 到 100%。
怎么用
- 克隆仓库：
git clone https://github.com/andyhuo520/digital-human-koubo.git - 把两个 Skill 文件夹装进你的 Agent（Claude Code 放 ~/.claude/skills/，Codex 放 ~/.codex/skills/，其他的打包导入或复制进对应目录）
- 接 Renoise MCP：浏览器登录授权，不用复制 API key，Claude Code 用
/plugin marketplace add ArcoCodes/renoise-plugins-official再/plugin install renoise@renoise-plugins-official，Codex 用codex mcp add renoise --url https://renoise.ai/api/public/mcp再codex mcp login renoise - 本机装 ffmpeg、Python 3 + numpy + Pillow、Node.js 18+、whisper.cpp，跑
bash ~/.claude/skills/digital-human-koubo/scripts/doctor.sh检查缺什么 - 合成音效和占位配乐：
python3 ~/.claude/skills/digital-human-koubo/scripts/make_assets.py - 可选配小米 MiMo TTS 做音色设计或声音克隆，API key 写进 ~/.config/ai-teardown/mimo.env
装完直接跟 Agent 说人话就行，比如"用我的数字人讲这段""做条 30 秒直播间广告""3 分钟小林式解说"，Agent 自己会走诊断、写稿、报价、生成、质检、剪辑、渲染全套流程。成本参考：27 秒直播间广告约 482 Renoise 积分，4 分半教程约 3250 积分，具体以实时报价为准。
声明：本站原创文章文字版权归本站所有，转载务必注明作者和出处；本站转载文章仅仅代表原作者观点，不代表本站立场，图文版权归原作者所有。如有侵权，请联系我们删除。
