AI数字人口播与虚拟主播视频
用一张人像和一段短脚本或语音,制作有明确讲述内容的数字人口播视频。可使用现成录音,也可以先选择音色,把脚本生成旁白,让画面中的人物随声音完成稳定、自然的口播。适合 AI 主播、虚拟主播视频、数字人讲解、让照片说话、照片说话视频、产品讲解视频、数字人培训视频、公告和社交口播,并在交付后检查人物一致性、声音清晰度、口型同步和动作稳定性。也适合两分钟以内的课程讲解短片。
skillhub install @beatra-ai/talking-avatar-video
README 文档
5,395 字数字人口播视频(Talking Avatar Video)
使用本 Skill 将一张人像和一段文稿(先转为语音)或用户提供的语音录音,制作为一条完整的数字人口播视频。文稿超过一个片段能装下的长度时,会拆成几个片段,拼接成一条最长约两分钟的视频;更长的文稿会按顺序做成几条拼接好的视频。
交付内容
- 一条基于确认人像与口播音轨生成的数字人口播 MP4 视频。文稿需要不止一段片段时,这些片段会拼接成这一条 MP4(最长约两分钟;更长的文稿按顺序做成几条拼接好的视频,并在首次扣费前说明共几条)。
- 通过 Beatra 合成旁白时,免费随附与成片对齐的字幕文件(
JSON、SRT和VTT)。 - 执行前的简短规划(文稿分段、片段数量与整单报价)及渲染交付后的质量检查(人物一致性、口型同步、清晰度与动作稳定性)。
- 可把人像保存为可复用的形象,下一条视频无需重新上传。
制作方式
- 人像 + 文稿:按需先用智能语音导演(
beatra.speech.prepare_script,可选付费导演步骤)编排节奏,通过beatra.voices.preview免费试听音色,通过beatra.speech.validate免费预检时长,随后合成带免费SRT/VTT字幕的旁白(beatra.speech.synthesize),驱动人像口播(beatra.videos.animate),并把多段片段拼接成一条视频(beatra.videos.compose)。 - 人像 + 现成录音:上传用户已授权音频(
beatra.assets.upload),生成前核对时长/格式/大小是否符合实时imagetovideo卡片上限,再驱动人像出片(beatra.videos.animate)。 - 已保存形象:先免费调用
beatra.avatars.list。账户里有已保存形象时,优先提供该形象(及其搭配音色),不再要求上传新人像。
连接就绪之前
必须严格通过随包 scripts/mcpclient.py 调用 Beatra(仅使用 scripts/mcpclient.py tools 列出的工具)。禁止配置、调用或使用宿主 Beatra Connector,也不要使用 REST/OpenAPI 作为回退。连接排障见随包 MCP Client 连接诊断(references/mcp-connection.md),语音共用指南见语音、音色与音频处理(references/speech-and-audio.md),扣费恢复见账单错误与恢复(references/billing-errors-and-recovery.md),断开授权见卸载与断开连接(references/uninstall-and-disconnect.md)。
首次运行若授权仍在等待用户批准,同一轮内最多执行两次认证检查;先交付无需连接即可完成的文稿草稿、停顿建议与取景构图提示,等用户点「允许」回复后再继续。
必要输入与授权门禁
发起任何付费工具前务必核对收集:
- 人像素材:
beatra.avatars.list中的已保存形象,或一张清晰正面或微侧人像静帧照片,获授权后通过beatra.assets.upload上传。 - 讲述来源:一段文稿(
scripttext及语气/语种/节奏说明),或一段清晰的纯单人录音音轨(speechaudio_ref)。 - 明确权利声明:确认客户拥有或已获人像肖像权与声音/录音的可核验授权,且视频绝不用于冒充他人、欺诈、误导或违法用途。若缺乏授权或必要素材,一律停在付费合成或生成之前。
只在缺少上述内容时,用一条简短消息一次问清;不要夹带无关问题。
交付为一个文件
这次制作需要不止一段片段时,交付物是拼接好的一个文件,而不是各个分段。首次付费调用前先阅读交付一个文件(references/deliver-one-file.md)。制作需要超过 3 次付费调用,或一类付费调用会引出另一类(先旁白,再视频)时,先阅读整单报价(references/price-a-whole-job.md)。
数字人时长关键工作流
严格按以下顺序推进,避免先花积分合成声音或视频却超出数字人片段时长上限:
- 先查实时模型上限与单价(
beatra.models.list):
- 优先查
{"capability": "imagetovideo"}读取支持模型、单段maxduration/ 整秒上限、drivingaudio支持的 MIME/时长/大小规则以及实时积分单价。 - 只有卡片列出
driving_audio的模型才能按语音音轨对口型。保持model: "auto"(会自动路由到这类模型),或指定其中一个模型;不要因为某张卡片排在列表第一位就指定它。 - 若使用智能语音导演请查询
{"capability": "speechscript"},查询{"capability": "texttospeech"}获取旁白定价;需要拼接时再查询{"capability": "videocompose"}。
- 免费浏览与试听音色(
beatra.voices.list+beatra.voices.preview):
- 浏览预置声线(
beatra.voices.list支持双语search与能力标签筛选)。 - 免费调用
beatra.voices.preview获取试听链接preview_url让客户试听定音,未定音前不起付费合成。
- 用「智能语音导演」规划节奏(
beatra.speech.prepare_script,付费,可选):
- 文稿需要停顿设计、语气重音、读音提示或情绪起伏时,把它列入计划。它是整单制作确认卡上的一项付费内容,每段一次调用,按
{"capability": "speech_script"}的实时价格计;只有这张卡确认之后才运行(第 6 步),最多 2 个并发任务。 - 查看返回的
directed与scripts[](synthesis、summary、voiceselection、alternatives、estimate、warnings);若synthesis为null,先按warnings排查处理再推进,否则原样传入scripts[].synthesis(并配新clientrequest_id)调用beatra.speech.synthesize。 - 原词保真:智能语音导演在不篡改客户原本台词的前提下编排停顿与标注;严禁在提示词或文案中手写带花括号的演播标签。
- 48 小时内复用规则:48 小时内仅对同一未改文字、指令与上下文换试另一个音色时,用相同参数再次调用
beatra.speech.prepare_script(仅改动voice及必要时model)即按不额外扣费方式复用(余额须满足初始估算与并发上限);全新导演运行一律不可说成免费。
- 拆分文稿,并在付费前先做免费时长预检(
beatra.speech.validate):
- 务必先调用
beatra.speech.validate(免费,不传clientrequestid),传入目标voice、该段的input(出卡前用原文分段预检;运行过智能语音导演时,合成前再用整理后的分段预检一次)、model、format(按满足imagetovideodriving_audio约束选取)及语速控制项。 estimateddurationseconds不了解所选音色自身的语速,上下可能偏差约四分之一。每一段都按不超过实时单段上限约 80% 来规划。- 整段文稿装不进一段时,在句末拆成若干段,每段都要装得下,保留客户写的每一个字,并逐段预检。使用智能语音导演时,先拆分原文,再逐段整理,这样每一段整理结果都能原样送去合成。不要为了装下而删减客户的文稿;只有客户要求更短的视频时才提出删减建议。
- 首次付费前,为整单确认一张制作确认卡:
- 只要有旁白加视频,或不止一段片段,就按整单报价(references/price-a-whole-job.md)执行,让视频价格在为旁白付费之前就已知。使用
beatra.models.list与beatra.speech.validate返回的实时数字简明出示 6 项;整单报价时读取一次beatra.wallet.get,客户说已充值后再读取一次(这会解除随包客户端的余额拦截),其余情况仅在用户询问余额时读取,beatra.wallet.ledger仅在用户询问扣费时读取: - 做什么:能力链路(如计划使用智能语音导演则每段一次、N 段旁白、N 段数字人片段、一次拼接)、音色与模型选择、分辨率与预计总时长。
- 积分:每一行的实时报价及预计总额(绝不猜测或硬编码积分)。
- 几笔:计划中的付费调用确切次数。
- 身份:每次付费调用在该调用参数定稿后生成全新
clientrequestid,记在你自己的笔记里;绝不向客户展示原始 ID(仅在请求超时状态不明且参数完全未改时复用原 ID 重试)。 - 若就此停手:说明停在这里时用户已握有的成果(试听音色、预检报价,或已完成的整理文稿、音频与片段)仍可留存使用,不额外扣费;若为首笔付费则明言尚未扣费。
- 若余额不足:遇
insufficientbalance时,用客户的语言转述 Beatra 返回的官方提示,充值链接原样保留,等用户明确充值后,先读取一次beatra.wallet.get,再以同一个clientrequest_id重试。
- 合成配音并获取免费
SRT/VTT字幕(beatra.speech.synthesize):
- 卡上包含智能语音导演时,先逐段调用
beatra.speech.prepare_script,再免费预检每一段整理结果,并原样传入它的scripts[].synthesis。 - 保持
subtitleenable: true(默认),不收额外字幕费即可连同成片一起收回免费的output.subtitles(files.json、files.srt、files.vtt)、speechstartseconds、speechendseconds、integratedloudnesslufs与实测durationseconds。 - 核对实测音频 MIME、实际
durationseconds与文件sizebytes满足driving_audio限制后,再推进beatra.videos.animate。若某一段超出单段上限,只把这一段在句末再拆开,并在重新合成前先询问;绝不为装不下这段音频的视频片段付费。
- 逐段驱动人像与成片复核(
beatra.videos.animate):
- 每段提交一次
beatra.videos.animate(传入人像、该段语音artifactid、选定模型、克制的镜头动作描述、匹配卡片整秒数duration与专属clientrequest_id)。同时进行的任务数不超过账户的并发上限。 - 用
beatra.tasks.get轮询(回执丢失时先经beatra.tasks.list对账)。 - 不止一段片段时,按交付一个文件(references/deliver-one-file.md)拼接:片段按文稿顺序排列,
keep_audio: true,每段剪到其语音结束处,但绝不超过该片段自身长度。 - 先交付这一条视频,再交付整条视频共用的一份
.srt和一份.vtt(字幕时间按交付一个文件(references/deliver-one-file.md)平移),用平实的话说明格式、时长、大小和扣了多少积分。若动画阶段失败,直接复用已完成旁白音频而不必重新花钱配音。
- 主动提出保存形象(
beatra.avatars.save,免费):
- 客户对用新人像做出的结果满意后,主动提出一次为它命名保存,下一条视频就不必再上传。只有客户同意并确认人像授权声明(
consentattested: true,consentsubject:"self"或"authorizedother")后才保存;有已确认的音色时一并搭配voiceid;只有客户要求或尚无已保存形象时才设为默认。
可复制 JSON 请求模板、素材核查与排障路径见工作流与请求模板(references/workflow.md)。
更新与安全
本 Skill 会自动更新。内置客户端每天最多一次从 Beatra 官网读取本渠道的版本信息 (中国大陆网络走 www.beatra.cn 与 cdn.beatra.cn)。有新版本时,它下载官方发布包, 逐个文件校验 SHA-256,再替换本 Skill 自己的文件;你放进这个目录的其他文件不会被 改动。替换过程中断时,下次运行会自动恢复到替换前的状态。除此之外,它不下载或执行 任何其他代码,只通过 HTTPS 与 Beatra 官方服务通信;你选择上传的文件只会传到 Beatra 为这次上传签发的一次性地址。
关闭自动更新:python3 scripts/mcp_client.py update --auto off。关闭后,客户端每天 最多提示一次在你安装它的商店里更新的命令。详见更新与安全(references/updates-and-security.md)。
同分类其他技能
查看全部 ›通过同一个AI创作工具完成AI图片、视频、音乐与语音创作,查找公开社交数据,编辑视觉成果,并集中查看和管理生成资产。Beatra 全能创
135 180.6万 AI音乐MV短片制作用一首歌的情绪、节奏和视觉概念,制作一个短视觉短片。这个 AI 音乐 MV 短片制作与歌曲生成视频工作流可以把音乐片段和视觉方向变成电影
15 66.1万 MiniMax H3 AI视频创作用 MiniMax H3 这款 AI视频生成器创作高质感 2K AI 视频。从文字创意出发完成文生视频,让静态图片自然动起来,用首尾画面
27 64.2万 架构图一键生成使用 ContextWeave 生成或修改架构图、流程图、思维导图和复杂信息图。适用于需要从代码、文件或自然语言中提取结构与关系并实际产
288 54.7万 海报设计工作室将一段活动描述、一张产品照片或品牌参考图,转化为抓人眼球的活动海报、宣传 banner 或社交媒体配图。这款 AI海报设计与制作工具生成
39 42.1万 自动化克隆数字人口播混剪视频抖音短视频双路径生产体系(单 Skill 版)。Path A[付费·高质量]:策略大脑→(可选:素材混剪/AI高光提取)→脚本优化→AI
83 39.4万