lanshu-create-ai-presenter-video README

The project's README from github.com/cclank/lanshu-create-ai-presenter-video. As one markdown file: README.md.

lanshu-create-ai-presenter-video

Codex Skill Provider Neutral Validate Skill License: MIT Python 3.9+ FFmpeg Required GitHub stars

一个面向 Codex 的通用数字人视频制作 Skill。输入主题或文案与授权人物图后，它会组织文案、配音、人物生成、口型校准、字幕与关键词动效、剪辑、渲染和质量验收。

它按能力选择当前环境可用的工具，项目源码不绑定服务商、模型名称或私有接口。

最少需要提供什么

  1. 一个主题或一份完整文案。
  2. 一张经过授权、包含清晰成年人物的参考图。

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。

安装

git clone https://github.com/cclank/lanshu-create-ai-presenter-video.git \
  ~/.codex/skills/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

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

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

安全和成本边界

开源与隐私

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。

lanshu-create-ai-presenter-video (cclank/lanshu-create-ai-presenter-video)

Searching Database…

2.7K ·GitHub
Lanshu-create-ai-presenter-video
这是什么?这是一个 Codex 技能,把一个主题或脚本加一张已授权的人物照片变成完整的 AI 出镜人口播视频:它会撰写脚本、生成配音、创建角色、对口型、添加字幕和关键词动画,再进行剪辑、渲染和质量检查。
这是独立应用还是 Codex 的附加组件?它是一个 Codex 技能,不是独立应用:它接入 Codex(或任何兼容的本地 Skill agent),使用该环境里可用的视频、语音和口型同步能力,而不绑定某一家供应商或模型。
怎么让它产出视频?把技能装进你的 Codex skills 文件夹,然后要么在对话里直接告诉 Codex 你的主题或脚本,要么先初始化一个标准任务目录,在 job.json 里填好人工检查项和上传权限,再运行流水线。
运行之前环境需要具备什么?需要一个 Codex(或兼容的本地 Skill)agent 环境、Python 3.9+、FFmpeg 和 ffprobe、Bash/jq/awk/sed,以及该环境里至少一套可调用的视频生成、语音生成和口型同步能力。
如果付费视频生成一直失败会怎样?付费生成连续失败三次后,技能会停下来并总结问题,而不是无休止地重试;中断后它会检查是否已有任务 ID,以避免被重复扣费。
它会存储我上传的图片或 API key 吗?不会。仓库不保留任何 API key、访问 token、签名下载链接或用户素材,任务报告在保存前会清掉凭据、临时 URL 和绝对文件路径。
为什么参考文档要拆成三个独立文件?generation.md、editing.md 和 qa-recovery.md 各覆盖一个阶段(输入/语音/角色、时间线/剪辑和质量检查),Codex 只读取当前阶段对应的文件,从而把上下文占用保持在较低水平。
默认输出的视频是什么样的?竖屏 9:16,1080x1920、30fps,主题类视频通常 45-75 秒,有清晰的开头、2-4 个内容节奏点、简洁的结尾,响度归一化到约 -16 LUFS。
它是怎么让角色口型在整个片段里保持同步的?整条配音轨道被当作整个视频的时间基准,角色素材、字幕、剪辑点和关键词动画都对齐到这条音频,以减少口型漂移和错位的剪辑。
如果我没有出镜人的声音样本怎么办?如果没有提供已授权的声音样本,技能会退回到合适的现成音色,而不是克隆声音。
What are similar projects?Pixelle-Video, ComfyUI-MiniMax-H3-LongMedia, storycast, video-ai-talking, short-drama-production, aimoneyhunter, eian-riso-broll, creator-flow
Which topics is it in?talking-head, digital-human, lipsync, ai-video, audio-generation, subtitles, voice-cloning, video-editing, codex-skill, content-creation, text-to-speech, ffmpeg
Creator
cclank
Size
1.8 MB
Stars
2.7K
Updated
CommitOct 11Releasev1.0.0Oct 11
Age
1mo
Commits · 90 Days