前言¶

做數字人內容時，常見的做法是分別準備驅動音頻、形象素材和合成腳本，再在多個工具之間來回拼。本篇介紹的 Skill 把「音頻驅動數字人」這一步打包成單個 Skill，目標是讓 Agent 直接用音頻產出數字人相關內容，少做工具對接。

這是什麼¶

「音頻驅動數字人」是一個發佈在 SkillHub 上的通用 SKILL.md 格式 Skill，座標 @org-qvypbtd6/shuziren1，版本 1.0.0，來源標記爲 enterprise。

它由鯨歌科技發佈維護，分類在 design-media，官方簡介只有一句：「通過音頻驅動數字人的skills」。也就是說，它的定位是把音頻驅動數字人這件事做成一個可被 Agent 調用的能力，而不是獨立的前端應用或模型服務。

目前在 SkillHub 上的評分爲 100000，累計下載 801 次，安裝數爲 0。標籤裏有一條 requires_api_key=false，意味着從標籤上看使用它不需要額外配置 API Key。

核心功能¶

按照官方簡介，這個 Skill 的能力邊界就是「通過音頻驅動數字人」。以下幾點來自已覈實資料：

• 輸入側圍繞音頻，即由音頻驅動數字人動作或內容。
• 輸出側是數字人，屬於 design-media 分類下的媒體類任務。
• 不需要 API Key（依據標籤 requires_api_key=false）。

具體支持的音頻格式、數字人形象類型、輸出分辨率、時長上限，官方頁面未公開說明，本文不做推測。

安裝與啓用¶

以下是安裝方式。

官方資料中沒有給出可覈對的安裝命令。Skill 採用通用 SKILL.md 格式，因此在支持該格式的 Agent 裏，通用啓用方式是把 Skill 目錄放進 Skill 搜索路徑，或按工具文檔從 SkillHub 導入座標 @org-qvypbtd6/shuziren1。

# 通用 Skill 目錄約定，具體路徑以所用 Agent 文檔爲準
./skills/org-qvypbtd6/shuziren1/SKILL.md

Cursor、Codex CLI、Claude Code 三種環境是否有各自的安裝差異，官方頁面沒有分別說明，本文不寫未經覈實的內容。需要確認時，以 SkillHub 頁面和本地 Agent 文檔爲準。

典型用法¶

官方頁面沒有公開可復現的調用示例，因此這一節只給調用形態，不給具體參數。

在 Agent 會話中觸發時，通常是一句話說明意圖，讓 Agent 加載該 Skill 後執行：

用音頻驅動數字人，音頻文件爲 demo.wav

實際參數名、輸出路徑、回調方式需要在本地運行一次後確認。

適用場景與注意¶

適合的場景：

• 已經有驅動音頻，希望直接生成數字人內容的開發者。
• 想把音頻驅動數字人這一步固化成 Agent 可複用能力，而不是每次手寫流程。
• 不想額外申請 API Key 的團隊，從標籤上看 requires_api_key=false。

需要注意的地方：

• 能力邊界只寫了「音頻驅動數字人」，複雜編排（多段音頻、多形象、字幕對齊）是否支持未覈實。
• 安裝數爲 0，說明目前可能還沒有大規模使用反饋，遇到問題建議直接向發佈者鯨歌科技確認。
• 評分 100000 是 SkillHub 上的頁面評分，不代表功能效果，引用時注意區分。
• 本 Skill 基於通用 SKILL.md 格式，不同 Agent 對 Skill 的支持程度不同，啓用前先確認本地環境支持該格式。

結尾¶

這個 Skill 的價值在於把音頻驅動數字人這件事從多工具拼裝收斂成一個可調用的能力，對已有音頻素材、想少做對接的開發者比較實用。它的公開信息偏少，建議先在測試環境跑通一次再決定是否接入主流程。

官方地址：https://api.skillhub.cn/org-qvypbtd6/shuziren1