lanshu-create-ai-presenter-video完整介绍：一个脚本加一张照片，如何做出可验证发布的AI数字人讲解视频-育师

lanshu-create-ai-presenter-video完整介绍：一个脚本加一张照片，如何做出可验证发布的AI数字人讲解视频

【免费下载链接】lanshu-create-ai-presenter-videoProvider-neutral Codex Skill for producing verified AI presenter videos from a script and an authorized presenter image.项目地址: https://gitcode.com/gh_mirrors/la/lanshu-create-ai-presenter-video

lanshu-create-ai-presenter-video是一个 AI 数字人讲解视频制作工具（Agent Skill）：只需提供一个主题或一段文案，再加一张已授权的人物照片，就能让 AI agent 自动完成配音、数字人出镜、口型同步、字幕、剪辑、渲染和质量验收，产出一条可直接发布的讲解视频；也可以不出现真人，改用九种视觉风格把内容"演"出来。

🎬 一句话说明它是什么

这是一个"provider 中立"的制作流程：你不绑定某个特定平台，而是把视频生产的完整工作流交给手里正在用的 AI agent（Claude Code、Codex、Cursor、Gemini CLI 等都支持）。它负责三件难事：

全流程自动化：从文案 → 配音 → 数字人生成 → 剪辑 → 渲染 → 交付，每个阶段都有脚本和检查点
可验证交付：成片必须通过完整解码和响度检查，状态由磁盘上的产物计算得出，不能"口头宣称完成"
成本护栏：先做低成本试片、付费前明确报价、任务中断凭 ID 恢复，避免重复扣费

🧭 两条路线：数字人出镜，或九种风格"演绎"

路线	成片效果	你需要提供	付费项	画幅
数字人讲解	AI 数字人出镜口播，字幕+关键词动效辅助	主题/文案 + 授权人物照片	配音 + 数字人视频	任意，默认 9:16 竖屏
风格化讲解	不用真人：每句讲解都用画面"演"出来	主题/文案（也可自带配音）	仅配音（自带配音则免费）	16:9 横屏

风格化路线内置九种视觉风格，下图是仓库自带的 KV cache 讲解片在九种风格中的同一时刻，一眼就能看懂每种"味道"：

九种风格一览（详见 explainer/STYLES.md）：

V1 留白：暖白纸+墨色+一抹朱红，克制高级，适合商业、产品
V2 信号：暗色仪表盘+荧光绿数据流，适合 AI、系统、网络类
V3 手帐：方格纸上真笔现写，适合一步步推导、学习笔记
V4 立体书：牛皮纸立体书、纸片折起，温暖，适合讲故事
V5 波普漫画：网点漫画+爆炸字，节奏快，适合观点、辟谣
V6 一镜到底：3D 影棚电影感，适合重磅概念、发布内容
V7 图纸与注脚：黑色工程图纸+引线注脚，硬核技术深挖
V8 黑板报：粉笔现写+结尾脑图，课堂感，适合入门
V9 黏土小城：萌系黏土小镇用比喻讲概念，适合小白

拿不准选哪种？可以九种风格各出一版草稿（配音锁定后不额外花钱），用九宫格对比图再挑。

⚙️ 核心机制：证据驱动的八阶段流水线

这是该项目与普通"AI 视频生成器"最大的区别——它把视频生产当成一个有验收标准的项目来管理：

intake → content_locked → audio_locked → visual_plan_locked → presenter_generated → composition_checked → rendered → verified

每个阶段都必须有对应证据（通过的预检报告、可解码的配音、时间轴与分镜、交付报告等）才能进入下一阶段
状态由 scripts/check_state.py 根据任务目录里的产物计算得出，不允许手工声明，声明超出证据时会直接报错
配音是"主时钟"：数字人动作、字幕、剪辑点和成片时长全部对齐锁定后的配音，保证口型与段落边界不漂移

交付环节由 scripts/finalize_delivery.sh 把关：两遍响度归一化（默认 −16 LUFS）、母版/分享版完整解码、黑帧与冻帧检测，全部通过才连同九宫格接触表和交付报告一起发布。

🚀 快速开始：安装与第一条视频

环境要求：Python 3.9+、FFmpeg、Bash、jq；风格化路线另需 Node.js 和 rsync。

第一步：克隆到 Skills 目录（以 Claude Code 为例，目录名需保持与 Skill 名称一致）：

git clone https://gitcode.com/gh_mirrors/la/lanshu-create-ai-presenter-video.git \ ~/.claude/skills/lanshu-create-ai-presenter-video

第二步：用自然语言下达需求。多数 harness 会根据 SKILL.md 中的描述自动选中该 Skill，直接说：

把这份文案和人物照片做成一条 30 秒、16:9、带实时字幕的数字人讲解视频。

或者做风格化讲解：

不要真人，做一个 40 秒讲 RAG 的讲解视频，有哪些风格可以选？

Agent 会自动调用内置脚本完成建任务、预检、配音、生成、渲染。如果你想手动控制，入口脚本包括 scripts/init_job.py（创建自包含任务目录）、scripts/preflight.py（素材与授权预检）、scripts/plan_segments.py（服务商有时长上限时按真实停顿分段），风格化路线工具在 explainer/tools/ 下（story.py 讲稿配音、new_film.sh 生成初稿、qa.py 质检、render.sh 渲染交付）。

一个关键体验：整个过程中，agent 会在首次付费调用前主动告诉你——要上传什么、请求多少秒、已知价格、试片规模、重试上限，确认后才开始花钱。

🛡️ 安全与成本控制细节

上传图片前必须确认使用权和人物成年；克隆声音需明确授权，绝不从照片推断声音
连续三个付费候选被否决即停止，并给出问题总结和剩余选项
远程任务中断后先凭已保存的任务 ID 查询，再考虑重新提交，避免重复扣费
仓库不含任何 API 密钥、令牌或用户素材；报告只记录相对路径
想零成本试玩？tests/smoke.sh 冒烟测试用合成素材把任务从intake推到verified，全程不调用任何远程服务

📁 关键路径速查

技能入口与工作流：SKILL.md
风格选择指南与"按风格写稿"表格：explainer/STYLES.md
风格包接口与工具说明：explainer/KITS.md
各阶段参考文档（按需加载）：references/generation.md、references/editing.md、references/qa-recovery.md、references/styled-explainer.md
九种风格的完整示例工程：explainer/examples/kv-cache/
中文文档：README.zh-CN.md