前言¶
產品講解、培訓公告、社交口播這類內容，往往要出鏡錄製：找場地、對鏡頭、多遍重錄，改一句文案就要再拍一輪。若只有一張人像照和定稿旁白，希望畫面裏的人物能穩定開口、口型跟得上聲音，單靠通用剪輯或文生視頻工具，很難把「講述內容」和「人物一致性」綁在同一條交付鏈上。
下面介紹 SkillHub 上的 AI數字人口播與虛擬主播視頻（@beatra-ai/talking-avatar-video）：在 Agent 裏用一張人像配合短腳本或現成語音，生成有明確講述內容的數字人口播視頻，並在交付側強調人物一致、聲音清晰、口型同步與動作穩定等檢查點。
這是什麼¶
AI數字人口播與虛擬主播視頻 是面向 design-media 類任務的 Agent Skill，座標 @beatra-ai/talking-avatar-video，當前版本 0.2.8，來源標註爲 enterprise，由發佈者 beatra 提供。
Skill 的定位可以概括爲：用 一張人像 加 一段短腳本或語音，製作 有明確講述內容 的數字人口播視頻。既可上傳現成錄音，也可先選音色把腳本合成旁白，再讓人物隨聲音完成口播。頁面標籤標明 requires_api_key=false，即按 SkillHub 展示無需單獨配置 API Key（具體運行仍取決於你所用 Agent 與 Skill 內說明）。
官方入口：
- SkillHub 頁面：https://www.skillhub.cn/skills/beatra-ai/talking-avatar-video
- 技能座標頁：https://api.skillhub.cn/beatra-ai/talking-avatar-video
核心功能¶
以下能力均來自 SkillHub 簡介與元數據，不展開未在資料中出現的接口或參數。
-
人像驅動的口播視頻
以一張人像作爲畫面主體，輸出帶講述內容的口播成片，適用於「讓照片說話」、虛擬主播、數字人講解等形態。 -
雙路徑音頻輸入
- 使用 現成錄音 作爲驅動源；
- 或提供 短腳本，先 選擇音色 生成旁白，再驅動畫面中人物開口。 -
口播表現目標
強調人物隨聲音完成 穩定、自然 的口播，而非僅生成靜態畫面或弱關聯的動效。 -
交付質量關注點
簡介明確要求在交付後檢查：人物一致性、聲音清晰度、口型同步、動作穩定性。寫工作流或驗收清單時，可把這四項當作默認檢查項。
安裝與啓用¶
SkillHub 頁面給出的安裝方式是：讓 Agent 按官方安裝文檔處理，並安裝座標 @beatra-ai/talking-avatar-video。安裝說明全文見：https://skillhub.cn/install/skillhub.md
1、確認 SkillHub CLI¶
先檢查本機是否已有 skillhub：
command -v skillhub && skillhub --version
若未安裝，可按安裝文檔執行完整安裝（CLI + 默認 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
僅需 CLI 時：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
2、安裝到當前 Agent 的 skills 目錄¶
安裝技能時必須用 --dir 指向 當前 Agent 實際讀取的 skills 目錄；裝到默認 ./skills/ 可能不會被識別。文檔中的通用形式爲：
skillhub install <技能標識> --dir <skills 目錄>
將 <技能標識> 換爲本技能的座標（頁面與提示詞均爲 @beatra-ai/talking-avatar-video，具體以 skillhub search 匹配結果爲準）。常用路徑示例（來自安裝文檔）：
| 環境 | skills 目錄 |
|---|---|
| Cursor | ~/.cursor/skills/ |
| Claude Code | ~/.claude/skills/ |
| Codex | ~/.codex/skills/ 或項目下 .agents/skills/ |
也可在對話中直接發送 SkillHub 提供的提示詞，由 Agent 讀取 skillhub.md 並完成安裝，例如：
請根據 https://skillhub.cn/install/skillhub.md，安裝 `@beatra-ai/talking-avatar-video`。
安裝完成後，按你所用客戶端要求刷新或重啓 Agent，使新 Skill 被加載。
典型用法¶
官方資料未給出單獨的可複製命令行示例；典型流程可按簡介還原爲在 Agent 內的一次任務描述，分兩條音頻路徑說明。
路徑 A：現成錄音驅動¶
- 準備 一張人像（正面、光線與背景儘量利於口型與面部穩定）。
- 準備與成片時長匹配的 旁白音頻（短腳本錄製即可）。
- 在對話中說明需求：生成數字人口播視頻，並附上素材路徑或文件。
- 成片後按簡介做四項檢查：人物是否前後一致、聲音是否清晰、口型是否與音軌對齊、肢體/頭部動作是否穩定無突兀跳變。
路徑 B：腳本 + 音色合成旁白¶
- 準備人像與 短腳本（適合產品講解、培訓片段、公告口播等）。
- 在任務中說明需要先 選擇音色 將腳本轉爲旁白，再驅動人物口播。
- 生成完成後，同樣用人物一致性、聲音清晰度、口型同步、動作穩定性做驗收。
若 Skill 包內 SKILL.md 對素材格式、時長或輸出路徑有額外約束，以安裝後本地 Skill 文檔爲準；本文僅依據 SkillHub 公開簡介整理。
適用場景與注意¶
適合誰、適合什麼內容
- AI 主播、虛擬主播視頻
- 數字人講解、產品講解視頻、數字人培訓視頻
- 公告與社交口播、「照片說話 / 照片說話視頻」類輕量出鏡需求
使用上建議留意的點
- 輸入形態：核心是「一張人像 + 短腳本或語音」；長稿、多角色或複雜分鏡是否支持，需以 Skill 內說明與實際運行爲準。
- 質量驗收：不要把「能導出視頻」當作完成；簡介已列出四項交付檢查，建議在團隊模板裏固定爲口播類任務的 checklist。
- 元數據：SkillHub 展示本技能分類爲 design-media；標籤 requires_api_key=false 表示商店側未要求 API Key，不代表所有下游渲染服務都無配額或費用，若有企業合規要求請結合 enterprise 來源自行評估。
- 版本：撰寫時頁面版本爲 0.2.8；升級後行爲以 SkillHub 頁面爲準。
SkillHub 公開展示的統計（以抓取資料爲準）：評分 100000，下載 410591；安裝次數在元數據中顯示爲 0，可能與統計口徑或展示字段有關，不作爲能力對比依據。
結尾¶
若你希望把「一張人像 + 定稿旁白」收成可複用的 Agent 工作流，並在交付時默認覈對口型與人物穩定，AI數字人口播與虛擬主播視頻 值得在 SkillHub 安裝試用。官方頁面：https://www.skillhub.cn/skills/beatra-ai/talking-avatar-video
