前言¶
在内容生产场景中，有时只需一张人物图片就能生成一段带语音的视频，例如将产品宣传语配上模特口播，或将客服问答做成动态演示。这类需求涉及图片处理、语音合成、数字人驱动和视频合成多个环节，手动集成成本高、易出错。下面介绍一个能快速完成这些步骤的 Skill。
这是什么¶
aim-digital-human-video 是一个 Skill，用于将一张图片与音频（或文案+克隆语音/预设语音）合成数字人说话视频。该 Skill 由用户 @user_34d5ae4c 发布，属于 design-media 分类，版本为 1.0.0，评分 100000，已下载 574 次。
核心功能¶
该 Skill 提供以下能力：
- 输入：图片文件、音频文件（或文案+克隆语音/预设语音）
- 处理流程：通过 AEP 提交 /video2 接口，智能轮询 TOS URL 等待结果就绪，最后返回视频公开链接
- 输出：可访问的视频链接
安装与启用¶
在支持的客户端中安装：
cursor skill install @user_34d5ae4c/aim-digital-human-video
或
claude-code skill install @user_34d5ae4c/aim-digital-human-video
安装完成后即可在对应客户端中调用该 Skill。
典型用法¶
使用时需提供图片和音频（或文案+克隆语音/预设语音），Skill 会自动提交任务并返回视频链接。具体调用方式以对应客户端的 Skill 调用规范为准。
适用场景与注意¶
- 适用场景：需要将静态人物图片转换为动态口播视频的内容生产工作流
- 注意事项：该 Skill 需要 API Key 配置，使用前需确保 API Key 有效且有相应权限
短结尾¶
aim-digital-human-video 提供了一条从图片到数字人视频的自动化路径，适合需要快速生成带语音演示内容的工作流。官方地址：https://api.skillhub.cn/user_34d5ae4c/aim-digital-human-video
