cclank/lanshu-create-ai-presenter-video

安装后的 Skill 路径：

~/.codex/skills/lanshu-create-ai-presenter-video

文件结构

lanshu-create-ai-presenter-video/
├── SKILL.md
├── README.md
├── agents/
│   └── openai.yaml
├── assets/
│   └── job.template.json
├── references/
│   ├── generation.md
│   ├── editing.md
│   └── qa-recovery.md
└── scripts/
    ├── init_job.py
    ├── preflight.py
    └── finalize_delivery.sh

三份参考文档分别负责什么

• generation.md：输入检查、文案、声音、能力选型、付费生成、人物提示词与一致性。
• editing.md：时间轴、开场和结尾、字幕预设、人物侧关键词动效、封面与导出。
• qa-recovery.md：技术验收、人工验收和常见故障修复。

Codex 只在进入对应阶段时读取相关文档，减少上下文占用。

快速使用

在对话中直接说：

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。

也可以先初始化标准任务目录：

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

随后查看并补全 job.json 中的人工检查与远程上传许可，再运行：

python3 "$SKILL_DIR/scripts/preflight.py" ~/Videos/my-presenter-video/job.json

运行环境

• 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。

核心工作方式

主题或文案 + 授权人物图
        ↓
锁定文案与完整配音
        ↓
低成本人物试片
        ↓
生成连续数字人主素材
        ↓
按同一条音频时间轴剪辑
        ↓
添加字幕、关键词动效和封面
        ↓
口型、人物、声音与画面验收
        ↓
输出母版、分享版和 QA 报告

完整配音是全片的时间基准。人物视频、字幕、镜头、关键词与转场都按照这条音频定位，可以减少口型漂移和片段衔接问题。

默认设置

• 竖屏 9:16、1080×1920、30fps。
• 主题生成的视频通常控制在 45–75 秒。
• 没有授权声音样本时使用合适的库存声音。
• 默认包含清晰开场、2–4 个内容节拍和简洁结尾。
• 音乐与商业引导按需求添加。
• 发布响度目标约为 -16 LUFS。

安全和成本边界

• 远程上传前确认图片使用权和成年人物状态。
• 克隆声音前确认声音授权。
• 首次付费生成前说明上传内容、生成时长、价格依据、试片方案和重试上限。
• 任务中断后优先查询已有任务 ID，避免重复扣费。
• 连续三个付费候选失败后停止并总结问题。

开源与隐私

• 仓库不保存 API 密钥、访问令牌、签名下载地址或用户素材。
• 任务级请求记录需要移除凭据与临时 URL 后再提交。
• 预检与交付报告只保存文件名，不写入开发者机器的绝对路径。
• 项目使用 MIT License，可以自由使用、修改和分发。

贡献

欢迎通过 Issue 提交使用反馈，也欢迎用 Pull Request 改进工作流、兼容性和质量检查。