aim-digital-human-video：从图片到数字人视频

aim-digital-human-video 是一个用于将图片与音频合成数字人说话视频的 Skill。用户提供图片和音频（或文案+克隆语音/预设语音），Skill 通过 AEP 提交 /video2 接口，智能轮询 TOS URL 等待结果就绪后返回视频公开链接。由用户 @user_34d5ae4c 发布，评分 100000，下载 574 次。