Digital Human Koubo：一个 AI 数字人口播视频工作流

3次阅读

没有评论

获取下载链

微信关注「软件教程管家」公众号，回复 digital-human-koubo

官方渠道：GitHub 仓库

Digital Human Koubo 是一个 AI 数字人口播视频工作流：用一张照片和一句话出发，自动完成脚本生成、口型同步和后期包装，把固定数字人的口播视频制作串成一条可以重复跑的流程。

访问 GitHub 仓库

GitHub 国内访问较慢，如打不开可多刷新几次

工作流是怎样的

工作流以 persona.json 保存固定数字人的照片、服装、声音描述和提示词模板，先借助 GPT Image 把人物合成到直播间、商店、教室或街景等场景中，再通过 Renoise MCP 调用视频生成能力，按不超过 15 秒的片段生成口型同步视频，最后使用 Remotion 完成字幕、画面合成和创作者风格包装。项目以 TypeScript 编写，采用 Agent Skill 作为交互入口，并提供英文及简体中文文档。

核心能力

从一张照片创建固定数字人，并通过 persona.json 在多条视频中复用人物设定。
把脚本拆分为不超过 15 秒的片段，再生成口型同步的数字人口播视频。
通过 GPT Image 把数字人合成到不同场景中。
用 Remotion 提供字幕、画中画、图表、章节卡和多层合成等视频包装能力。
提供 5 种编辑风格和 48 个包装组件，用于制作广告、教程和讲解类视频。
包含成本门控思路，会在生成前按片段、时长和积分估算生成成本。

生态与入口

项目面向 Claude Code、Codex、OpenClaw、WorkBuddy 等 AI Agent 使用场景，视频生成依赖 Renoise MCP，并可使用 Grok Video 1.5；Wan 3.0 和 OmniHuman 则作为替代或自有录制路径出现。具体模型、凭证配置、渲染环境和资源消耗仍需结合源码与实际服务文档确认。

适合场景

适用于制作直播销售广告、产品推荐、课程宣传、技术或财经讲解、分步骤教程以及带字幕和图表的视频。它也适合用作 AI Agent 驱动的视频生成原型，验证固定数字人、场景合成、口型同步和程序化包装的组合流程。

限制与注意

视频生成工作流依赖 Renoise MCP 及其可用的外部模型服务，离线环境无法按项目描述完整运行。
脚本片段按不超过 15 秒拆分，较长内容需要多段生成和后期拼接，连贯性需要额外关注。
固定数字人的一致性依赖照片、persona.json 和提示词配置，项目没有说明更复杂的角色管理或自动纠错机制。
项目定位集中于数字人口播和视频包装，通用视频编辑、多人协作或发布平台集成能力不在已明确覆盖的范围。

选型建议

优先选择它的场景是：已经有一张数字人照片，希望通过一句话驱动脚本和视频制作，并需要字幕、画中画、价格动画或讲解型包装。选型前应当确认 Renoise MCP 和目标视频模型在所在地区、账户权限及预算下可用，同时评估 15 秒分段对长视频连贯性的影响；如果需求是实时数字人、复杂多人角色管理、完全本地推理或直接发布到内容平台，应当与其他工具对比并先核验覆盖范围。

推广