Create talking-head videos with a fixed digital avatar. Choose an editing style, draft and split the script, generate clips, review and align the speech, then assemble the finished video with packaging such as maps, captions, and evidence images.
用固定的数字人形象（白背心数字人 / 用户本人数字人 / 猫狗角色）做口播视频，先按内容推荐剪辑风格让用户选（小林式解说 / 网红花字口播 / 发布解读 / 保姆级教程 / 多主播多语言），自动套上从 MrBeast、MKBHD、影视飓风、Johnny Harris、Vox、半佛、差评等头部博主拆出来的 48 个包装组件（开场钩子、数字钉子、文字在人身后的景深字、证据截图、地图路线、弹幕、投票、复盘板…），再写稿 → 按 15 秒切段 → Renoise Grok Video 1.5 分段生成（先报价、用户确认才生成）→ 分片下载校验 → 逐段回听 → 对齐 → Remotion 剪辑出片。
触发：用我的数字人讲这段、数字人口播、让白背心数字人说、用数字人 Skill、数字人带货 / 解读 / 教程 / 种草视频、做成小林说那样、加花字、加包装 / 加地图 / 加弹幕 / 开场加预告 / 文字放在人身后、做成 MrBeast 那种节奏、有哪些包装手法。
不用于：换一个全新形象（先按 references/new-avatar.md 做形象）、冒充真人。
Run score Not tested
See how to installReview the instructions the agent will receive before you install.
形象、声音、提示词、切段规则固定在 persona.json；剪辑风格在 references/style-menu.md。每次照这里做，出来的就是同一个人、同一种风格。
原则：已经装好的一句话带过，不让用户重装；缺什么才给装法，装法给多种，先放用户当前用的那种。 详细装法在 references/install.md。
get_account。
codex mcp add、OpenClaw、Cursor 等通用远程 MCP 配置、renoise.ai/plugin 官网），让用户自己挑。装完让用户重开对话或重连，再调一次确认。bash scripts/doctor.sh。有的打 ✓ 不提；缺的它会按 macOS / Windows / Linux 列出多种装法。系统软件让用户自己装，Python 包可以在用户同意后帮装。按 references/style-menu.md：
assets/styles/ 里对应的预览图发给用户。brief.json，后面每一步按它来。| 风格 | 比例 | 时长 | 剪辑实现 |
|---|---|---|---|
| A 小林式解说 | 16:9 | 3–20 分钟 | finance-explainer skill 的引擎（episode.json 拍表） |
| B 网红花字口播 | 9:16 | 30–120 秒 | templates/huazi-916（edit.json 驱动，三档花字） |
| C 发布解读 | 16:9 | 30–90 秒 | 参考实现 templates/reference/launch-169 |
| D 保姆级教程 | 16:9 | 3–8 分钟 | 参考实现 templates/reference/tutorial-169 |
| E 多主播多语言 | 16:9 | 3–7 分钟 | 参考实现 templates/reference/multihost-169 |
按选定风格的稿子写法（style-menu.md 里每种都有）。每段一句或两句，10 秒左右（约 40–55 字，Grok 中文约 5.4 字/秒），标 shot：full（全屏出镜）/ pip（画中画讲解）/ vlog（随意自拍口吻）/ depth（要做「文字在人身后」的段：中景、头顶两侧留背景）。英文缩写、网址写成好念的样子。外语段直接写目标语言的台词。
python3 scripts/build_tasks.py script.json tasks.json --purpose "teaching a beginner tutorial step by step"
→ 打印段数、秒数、预估 credits。full 段 720p（17/秒），pip 段 480p（10/秒）。拿 estimate_cost 核一次，报给用户等确认。用户本人或动物主播用 persona.json → other_hosts 里的提示词模板。
tasks.json 每 10 个一批 create_tasks → wait_tasks。要进场景（直播间、门店、街景）时先用 GPT Image 2.5 合成开场画面（人物参考图 + 场景描述，2k 约 23 积分），再把这张图当 Grok 的参考图。
download_results 拿链接 → 整理成 urls.txt（每行 <taskId>.<ext> <url>）→ python3 scripts/rangedl.py：每个文件 6 段 Range 并发、断点续传、下完 ffmpeg 解码校验。
python3 scripts/assemble.py script.json ids.json --out 成片_完整版.mp4（ids.json = {段 id: taskId}）：whisper 逐段转写比对文稿、只保留到说完后 0.25 秒、拼接、loudnorm -16。
--prompt 原文 会让个别段漏掉前半句，用中性提示「以下是普通话的句子。」。外语段按语言转写；日韩阿拉伯语不要加 -ml 1（会把多字节字符截断成乱码）。python3 scripts/align.py script.json --out <工程>/src/tl.json 出逐字时间轴，然后按 brief.json 的风格剪：
bash scripts/new_edit.sh huazi-916 <工程> → 写 src/edit.json（关键词、表情、卡片、作品展示、号召，字段见 references/huazi.md）→ python3 scripts/check_edit.py <工程>/src → 抽帧 → 渲染。bash ~/.claude/skills/finance-explainer/scripts/setup_engine.sh <工程>，按那边的拍表和画面语法做；数字人口播片段放进 host.json。bash scripts/new_edit.sh reference/<目录> <工程>，换 tl.json，按段重写 Scene（templates/reference/README.md）。references/packaging-presets.json 里这个风格的默认包装排——开场 30 秒按 open 顺序、正文保证 stimulus_every_s 秒内有一个新视觉事件、讲到 per_beat 里那类内容就用对应组件、recurring 全片挂着。组件写进 pack 数组（字段见 references/packaging.md），手法依据见 references/packaging-playbook.md。用户点名要的手法（「加地图」「开场加预告」「加弹幕」「换成 MrBeast 那种」）在默认基础上加减。用户问「有哪些包装」先发 assets/packaging/图鉴.jpg。景深字（文字在人身后）要先跑 scripts/cutout_video.py 抠像，见 references/packaging.md。muted，人声单独铺一条；多段 Grok 原声用 python3 scripts/voicefx/unify.py <输出目录> <片段…> 统一频谱 + 同一个小房间混响（复用旧段时加 --ref 旧片段目录，场景/动物片段加 --scene）。BGM 压在人声下约 20 dB。No reviews yet. Tell others what you thought.
No login needed. Share how it worked for you, ask a question, or note where it did not run.
No comments yet. Be the first to write one.
Develop a finance or technology topic into a narrated explainer video. The workflow covers topic selection, sourced fact gathering, script structure, audio alignment, visuals, and editing components, with checks to keep figures traceable to their sources.