
lanshu-create-ai-presenter-video
脚本加照片,自动生成可验证的AI主持人视频
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-22 · 当前星标 ★ 3067
使用教程
环境要求
- Codex 或兼容本地 Skill 的 Agent 环境
- Python 3.9+
- FFmpeg 与 ffprobe
- Bash、jq、awk 和 sed
- 至少一种当前环境可调用的视频生成、语音生成与口型同步能力
安装与启动步骤
-
1克隆到 Skill 目录
把仓库直接克隆进 Codex 的 skills 目录,目录名需保持为 lanshu-create-ai-presenter-video,否则无法按 Skill 调用。
git clone https://github.com/cclank/lanshu-create-ai-presenter-video.git \ ~/.codex/skills/lanshu-create-ai-presenter-video -
2核对运行环境
按 README 运行环境要求确认 Python 3.9+、FFmpeg/ffprobe、jq 等依赖已就绪,缺一不可。
python3 --version ffmpeg -version ffprobe -version jq --version -
3准备输入素材
至少准备一个主题或完整文案,以及一张已授权、包含清晰成年人物的参考图;缺少任一都无法开始。
-
4初始化任务目录
用 init_job.py 在指定目录生成标准任务结构与 job.json,同时显式确认素材授权和人物为成年人。
SKILL_DIR=~/.codex/skills/lanshu-create-ai-presenter-video python3 "$SKILL_DIR/scripts/init_job.py" \ --job-dir ~/Videos/my-presenter-video \ --presenter-image ~/Pictures/presenter.png \ --topic "视频主题" \ --duration 60 \ --aspect 9:16 \ --rights-confirmed \ --adult-presenter-confirmed -
5补全 job.json
查看生成的任务文件,补全其中的人工检查项与远程上传许可,未确认前不要继续生成流程。
-
6运行预检
执行 preflight.py 校验任务配置与素材是否满足生成条件,通过后才进入实际生成环节。
python3 "$SKILL_DIR/scripts/preflight.py" ~/Videos/my-presenter-video/job.json -
7在对话中触发生成
也可以不手动初始化,直接在 Codex 对话里用 $ 引用该 Skill 并说明文案、画幅、时长与字幕要求。
使用 $lanshu-create-ai-presenter-video,把这份文案和人物图做成一条 16:9、30 秒、有实时字幕的数字人讲解视频。 -
8按阶段读取参考文档
Codex 会在对应阶段分别读取 generation.md、editing.md、qa-recovery.md,完成生成、剪辑与质量验收。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
--presenter-image | 是 | 已授权且包含清晰成年人物的参考图路径 | ~/Pictures/presenter.png |
--topic | 是 | 视频主题,也可改为提供完整文案 | "视频主题" |
--duration | 否 | 目标视频时长(秒) | 60 |
--aspect | 否 | 画幅比例,横屏或竖屏 | 9:16 |
--rights-confirmed | 是 | 确认素材已获得使用授权 | --rights-confirmed |
--adult-presenter-confirmed | 是 | 确认参考图中人物为成年人 | --adult-presenter-confirmed |
如何确认成功
preflight.py 执行无报错、job.json 中人工检查与上传许可已补全,最终按 qa-recovery.md 通过技术验收与人工验收。
常见问题
Q:这个 Skill 会绑定某个视频生成服务吗?
A:不会。它是提供商中立的,按当前环境可用的能力选择工具,源码不绑定服务商、模型名称或私有接口。
Q:最少需要提供什么才能开始?
A:一个主题或一份完整文案,加上一张经过授权、包含清晰成年人物的参考图,两者缺一不可。
Q:可以额外提供哪些素材?
A:可选输入包括声音样本、屏幕录制、图片、B-roll、品牌素材、目标平台、时长、横竖屏、风格、水印和结尾引导。
Q:三份参考文档会一次性全部加载吗?
A:不会。Codex 只在进入对应阶段时读取 generation.md、editing.md、qa-recovery.md,以减少上下文占用。
注意事项
- 人物参考图必须已获授权且为清晰成年人人物,禁止使用未授权形象。
- job.json 中的远程上传许可需人工确认后才能进入付费生成环节。
- 项目目前处于早期阶段,能力与流程可能继续调整。
- 生成结果需按 qa-recovery.md 完成技术验收与人工验收。
核心亮点
- 提供商中立,可灵活切换不同视频生成服务,避免锁定
- 内置验证机制,确保生成视频与脚本内容一致,减少返工
- 基于Codex Skill,自动化程度高,从脚本到视频一键生成
不足之处
- 早期项目,文档和社区支持待观察
- 依赖外部视频生成服务,实际效果受服务商能力限制
适用场景
- 批量制作产品介绍或教学视频,只需脚本和主持人照片
- 为营销活动快速生成多语言版本的数字人视频
- 在开发流程中集成自动化视频生成,用于演示或报告
替代项目
HeyGen、Synthesia、D-ID
上一篇:GameFactory-3A
下一篇:Procedura
同类项目推荐
IPDreamer
开源
上传复杂图片,一键生成可控外观的3D模型
[ICLR 2025] IPDreamer: Appearance-Controllable 3D Object Generation with Complex Im···
ShapeLLM
开源
让 AI 看懂并操作 3D 物体,赋能机器人交互
[ECCV 2024] ShapeLLM: Universal 3D Object Understanding for Embodied Interaction
llm-metahuman
开源
用大模型驱动照片级逼真数字人,快速搭建沉浸式交互应用
An open solution for AI-powered photorealistic digital humans.
echomimic_v3
开源
1.3B小模型搞定数字人,音频文本驱动全身动画
[AAAI 2026] EchoMimicV3: 1.3B Parameters are All You Need for Unified Multi-Modal an···
GaussianAnything
开源
一句话生成可编辑的高质量 3D 高斯模型,告别粗糙网格
High-quality and editable surfel 3D Gaussian generation through native 3D diffusion ···
dsh-voice-ai-girlfriend
开源
给 DeepSeek 装上会说话、能打断的语音女友
语音 AI 女友(Voice AI girlfriend for DeepSeek Harness):Whisper 语音输入 + Qwen3-T···
MiniGPT-3D
开源
一张3090显卡,让大模型看懂3D点云并对话
[MM 2024] [Need only a 3090] MiniGPT-3D: Efficiently Aligning 3D Point Clouds with ···
gaussian-dejavu
开源
单视频快速生成可控3D头像,泛化与个性化兼得
[WACV 2025] Official repository for "Gaussian Deja-vu: Creating Controllable 3D Gaus···
输入一句话,自动生成并驱动3D虚拟人
[SIGGRAPH 2022 Journal Track] AvatarCLIP: Zero-Shot Text-Driven Generation and Anima···