最近我的老板刚好提出了一个需求，想做一个自己的 AI 数字人，用来批量生成口播视频。 我第一时间就想到了 Rachel @Zesee 之前写的这篇文章。说实… · @UPing123zzz · TwKit

@UPing123zzz

最近我的老板刚好提出了一个需求，想做一个自己的 AI 数字人，用来批量生成口播视频。 我第一时间就想到了 Rachel @Zesee 之前写的这篇文章。说实话，我觉得这篇文章特别值得推荐，尤其是正在做数字人、自媒体和 AI 视频自动化的朋友，真的可以认真看看。 现在做数字人的工具其实已经很多了，但我发现真正困难的不是让一张照片开口说话，而是怎么让声音足够像本人、口型自然、画面稳定，以及怎么把整个制作过程变成一套可以反复使用的工作流。 Rachel 这篇文章就把这些问题拆得很清楚，用 MiniMax 负责声音克隆和配音，HeyGen 负责数字人画面和口型同步，再交给 Codex 编排整个流程。更重要的是，作者直接把制作流程封装成了一个 Skill，而且已经在 GitHub 开源了。 我觉得最值得借鉴的其实不是用了哪几个 AI 工具，而是这套工程化思路。比如先生成 15 秒样片，检查声音、口型和画面，没有问题再生成完整版；每次 API 调用都记录任务状态，避免失败后重复生成、重复扣费。这些东西看着不起眼，但真正做企业项目、需要稳定交付的时候，就知道有多重要了。 当然Skill 开源不代表生成视频完全免费，实际调用声音和数字人平台的 API 还是有成本的。不过我觉得这篇文章最大的价值，就是把原本零散的工具整合成了一条可以复用的生产流程。 我现在也在研究怎么把数字人、声音克隆和自动剪辑真正串起来，做成一套能够持续生产内容的系统。对于有类似需求的朋友，真的推荐看看这篇文章，以及作者开源的仓库。 感谢Rachel，让我们少走路很多弯路。

曝光 79 · 评论 0 · 点赞 1 · 书签 0