前言¶
产品讲解、培训公告、社交口播这类内容，往往要出镜录制：找场地、对镜头、多遍重录，改一句文案就要再拍一轮。若只有一张人像照和定稿旁白，希望画面里的人物能稳定开口、口型跟得上声音，单靠通用剪辑或文生视频工具，很难把「讲述内容」和「人物一致性」绑在同一条交付链上。
下面介绍 SkillHub 上的 AI数字人口播与虚拟主播视频（@beatra-ai/talking-avatar-video）：在 Agent 里用一张人像配合短脚本或现成语音，生成有明确讲述内容的数字人口播视频，并在交付侧强调人物一致、声音清晰、口型同步与动作稳定等检查点。
这是什么¶
AI数字人口播与虚拟主播视频 是面向 design-media 类任务的 Agent Skill，坐标 @beatra-ai/talking-avatar-video，当前版本 0.2.8，来源标注为 enterprise，由发布者 beatra 提供。
Skill 的定位可以概括为：用 一张人像 加 一段短脚本或语音，制作 有明确讲述内容 的数字人口播视频。既可上传现成录音，也可先选音色把脚本合成旁白，再让人物随声音完成口播。页面标签标明 requires_api_key=false，即按 SkillHub 展示无需单独配置 API Key（具体运行仍取决于你所用 Agent 与 Skill 内说明）。
官方入口：
- SkillHub 页面：https://www.skillhub.cn/skills/beatra-ai/talking-avatar-video
- 技能坐标页：https://api.skillhub.cn/beatra-ai/talking-avatar-video
核心功能¶
以下能力均来自 SkillHub 简介与元数据，不展开未在资料中出现的接口或参数。
-
人像驱动的口播视频
以一张人像作为画面主体，输出带讲述内容的口播成片，适用于「让照片说话」、虚拟主播、数字人讲解等形态。 -
双路径音频输入
- 使用 现成录音 作为驱动源；
- 或提供 短脚本，先 选择音色 生成旁白，再驱动画面中人物开口。 -
口播表现目标
强调人物随声音完成 稳定、自然 的口播，而非仅生成静态画面或弱关联的动效。 -
交付质量关注点
简介明确要求在交付后检查：人物一致性、声音清晰度、口型同步、动作稳定性。写工作流或验收清单时，可把这四项当作默认检查项。
安装与启用¶
SkillHub 页面给出的安装方式是：让 Agent 按官方安装文档处理，并安装坐标 @beatra-ai/talking-avatar-video。安装说明全文见：https://skillhub.cn/install/skillhub.md
1、确认 SkillHub CLI¶
先检查本机是否已有 skillhub：
command -v skillhub && skillhub --version
若未安装，可按安装文档执行完整安装（CLI + 默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
仅需 CLI 时：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
2、安装到当前 Agent 的 skills 目录¶
安装技能时必须用 --dir 指向 当前 Agent 实际读取的 skills 目录；装到默认 ./skills/ 可能不会被识别。文档中的通用形式为：
skillhub install <技能标识> --dir <skills 目录>
将 <技能标识> 换为本技能的坐标（页面与提示词均为 @beatra-ai/talking-avatar-video，具体以 skillhub search 匹配结果为准）。常用路径示例（来自安装文档）：
| 环境 | skills 目录 |
|---|---|
| Cursor | ~/.cursor/skills/ |
| Claude Code | ~/.claude/skills/ |
| Codex | ~/.codex/skills/ 或项目下 .agents/skills/ |
也可在对话中直接发送 SkillHub 提供的提示词，由 Agent 读取 skillhub.md 并完成安装，例如：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@beatra-ai/talking-avatar-video`。
安装完成后，按你所用客户端要求刷新或重启 Agent，使新 Skill 被加载。
典型用法¶
官方资料未给出单独的可复制命令行示例；典型流程可按简介还原为在 Agent 内的一次任务描述，分两条音频路径说明。
路径 A：现成录音驱动¶
- 准备 一张人像（正面、光线与背景尽量利于口型与面部稳定）。
- 准备与成片时长匹配的 旁白音频（短脚本录制即可）。
- 在对话中说明需求：生成数字人口播视频，并附上素材路径或文件。
- 成片后按简介做四项检查：人物是否前后一致、声音是否清晰、口型是否与音轨对齐、肢体/头部动作是否稳定无突兀跳变。
路径 B：脚本 + 音色合成旁白¶
- 准备人像与 短脚本（适合产品讲解、培训片段、公告口播等）。
- 在任务中说明需要先 选择音色 将脚本转为旁白，再驱动人物口播。
- 生成完成后，同样用人物一致性、声音清晰度、口型同步、动作稳定性做验收。
若 Skill 包内 SKILL.md 对素材格式、时长或输出路径有额外约束，以安装后本地 Skill 文档为准；本文仅依据 SkillHub 公开简介整理。
适用场景与注意¶
适合谁、适合什么内容
- AI 主播、虚拟主播视频
- 数字人讲解、产品讲解视频、数字人培训视频
- 公告与社交口播、「照片说话 / 照片说话视频」类轻量出镜需求
使用上建议留意的点
- 输入形态：核心是「一张人像 + 短脚本或语音」；长稿、多角色或复杂分镜是否支持，需以 Skill 内说明与实际运行为准。
- 质量验收：不要把「能导出视频」当作完成；简介已列出四项交付检查，建议在团队模板里固定为口播类任务的 checklist。
- 元数据：SkillHub 展示本技能分类为 design-media；标签 requires_api_key=false 表示商店侧未要求 API Key，不代表所有下游渲染服务都无配额或费用，若有企业合规要求请结合 enterprise 来源自行评估。
- 版本：撰写时页面版本为 0.2.8；升级后行为以 SkillHub 页面为准。
SkillHub 公开展示的统计（以抓取资料为准）：评分 100000，下载 410591；安装次数在元数据中显示为 0，可能与统计口径或展示字段有关，不作为能力对比依据。
结尾¶
若你希望把「一张人像 + 定稿旁白」收成可复用的 Agent 工作流，并在交付时默认核对口型与人物稳定，AI数字人口播与虚拟主播视频 值得在 SkillHub 安装试用。官方页面：https://www.skillhub.cn/skills/beatra-ai/talking-avatar-video
