lanshu-create-ai-presenter-video

脚本加照片,自动生成可验证的AI主持人视频

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 数字人3D 🍴 复刻 462 🐛 待处理 4 👀 关注 10
GitHub ↗
GitHub 星标 ★ 3067
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源项目,免费使用

项目预览

lanshu-create-ai-presenter-video 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类数字人3D
开发团队cclank
定价模式🏷️完全免费
价格说明开源项目,免费使用
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言HTML
技术栈/模型ai-video,codex,codex-skill,digital-human,video-generation
GitHub 星标★ 3067
上线时间2026-08-20 00:00:00
代码更新2026-10-11
仓库体积1.8 MB
本站数据更新2026-11-20
维护状态维护中
收录时间2026-08-22
浏览次数13

项目介绍

这是一个基于 Codex Skill 的数字人视频生成工具,核心功能是从用户提供的脚本和授权的主持人图片,自动生成经过验证的 AI 主持人视频。它采用提供商中立的架构,不绑定特定视频生成服务,通过 Codex 技能框架实现流程自动化。项目主要解决传统数字人视频制作中流程复杂、依赖特定平台、验证困难等问题,提供从脚本到成片的端到端解决方案。其核心能力包括:脚本解析与结构化、主持人形象授权管理、视频生成流程编排、以及生成结果的自动验证。该工具面向需要批量制作数字人视频的内容创作者、营销团队和开发者,旨在降低视频制作门槛,提高生产效率。项目目前处于早期阶段,使用 Python 编写,技术栈涵盖 AI 视频生成和数字人技术。

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

难度:进阶 约 15 分钟 部署方式:本地安装 8 步

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. 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. 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. 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. 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. 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. 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. 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. 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···

★ 57 2026-08-09
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

★ 248 2026-08-09
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.

★ 153 2026-08-09
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···

★ 1127 2026-08-09
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 ···

★ 411 2026-08-09
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···

★ 1100 2026-09-23
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 ···

★ 132 2026-08-09
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···

★ 68 2026-08-09
AvatarCLIP 开源

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···

★ 1101 2026-08-09