⚡

// Skill profile

Human Avatar — 阿里云 AI 视频 & 语音生成

Name: Human Avatar — 阿里云 AI 视频 & 语音生成
Author: davideuler

name: human-avatar

by davideuler · published 2026-03-22

图像生成API集成

Total installs

Stars

★ 0

Last updated

2026-03

// Install command

$ claw add gh:davideuler/davideuler-human-avatar

View on GitHub

// Full documentation

---

name: human-avatar

description: 使用阿里云 DashScope API 生成多种 AI 视频与语音内容。七种能力：① LivePortrait 人像口播（图+音频→说话视频，两步流程）② EMO 人像口播 ③ AA/AnimateAnyone 全身动画（三步流程）④ T2I 文生图（万相2.x，默认 wan2.2-t2i-flash）⑤ I2V 图生视频（万相2.x，默认 wan2.6-i2v-flash，支持 T2I→I2V 一条龙）⑥ Qwen TTS 文字转语音（自动按场景选模型音色，默认 qwen3-tts-vd-realtime-2026-01-15）⑦ 灵眸数字人模板视频。当用户需要制作口播/人像/全身动画/文生图/文生视频/语音合成时触发此技能。

---

# Human Avatar — 阿里云 AI 视频 & 语音生成

能力总览

| 能力 | 脚本 | 模型/接口 | Region | 简介 |

|------|------|---------|--------|------|

---

快速选择指南

需要人像说话（有现成音频/视频）    → LivePortrait
需要人像说话（无音频，先生成语音）  → Qwen TTS → LivePortrait
需要全身跳舞/动作                 → AA (AnimateAnyone)
需要根据文字生成图片               → T2I (text_to_image)
需要根据图片生成视频               → I2V (image_to_video)
需要从零文字到视频（一条龙）        → T2I → I2V（image_to_video --t2i-prompt）
需要企业数字人/模板播报            → 灵眸 (avatar_video)

---

环境配置

pip install requests dashscope oss2 scipy numpy
# 灵眸额外:
pip install alibabacloud-lingmou20250527 alibabacloud-tea-openapi

export DASHSCOPE_API_KEY=sk-xxxx               # 北京地域 API Key
export ALIBABA_CLOUD_ACCESS_KEY_ID=xxx         # OSS 上传用
export ALIBABA_CLOUD_ACCESS_KEY_SECRET=xxx
export OSS_BUCKET=your-bucket
export OSS_ENDPOINT=oss-cn-beijing.aliyuncs.com

> ⚠️ `cn-beijing` 和新加坡地域的 API Key **不互通**，请确认使用正确地域的 Key。

> OSS_ENDPOINT 支持带或不带 `https://` 前缀，脚本自动规范化。

---

1. LivePortrait — 人像口播视频

**适用场景**：有人物照片 + 语音内容，快速生成人物说话视频。

**流程**：

Step 1: liveportrait-detect (同步)  → pass=true
  ↓
Step 2: liveportrait        (异步)  → video_url

**图片要求**：单人正面肖像，人脸清晰，无遮挡

**音频要求**：wav/mp3，< 15MB，1s ~ 3min

**视频输入**：自动提取音频（ffmpeg）

# 图片 + 音频文件
python scripts/live_portrait.py \
  --image ./portrait.jpg \
  --audio ./speech.mp3 \
  --template normal --download

# 图片 + 视频（自动提取音频）
python scripts/live_portrait.py \
  --image ./portrait.jpg \
  --video ./speech_video.mp4 \
  --template active --download

# 直接用公网 URL
python scripts/live_portrait.py \
  --image-url "https://..." \
  --audio-url "https://..." \
  --mouth-strength 1.2 --download

**动作模板**：

`normal`（默认，适中动作）

`calm`（平静，适合新闻播报/讲故事）

`active`（活泼，适合演唱/活动主持）

---

2. Qwen TTS — 文字转语音

**适用场景**：需要从文字生成语音文件（配合 LivePortrait、EMO 等使用）。

**默认模型**：`qwen3-tts-vd-realtime-2026-01-15`

场景自动选模型

| 场景 `--scene` | 推荐模型 | 推荐音色 |

|---------------|---------|---------|

| `default` / `brand` | `qwen3-tts-vd-realtime-2026-01-15` | Cherry |

| `news` / `documentary` / `advertising` | `qwen3-tts-instruct-flash-realtime` | Serena / Ethan |

| `audiobook` / `drama` | `qwen3-tts-instruct-flash-realtime` | Cherry / Dylan |

| `customer_service` / `chatbot` / `education` | `qwen3-tts-flash-realtime` | Anna / Ethan |

| `ecommerce` / `short_video` | `qwen3-tts-flash-realtime` | Cherry / Chelsie |

可用音色

| 音色 | 特点 |

|------|------|

| `Cherry` | 活泼甜美女声，广告/有声书/配音 |

| `Serena` | 成熟知性女声，新闻/讲解/企业形象 |

| `Ethan` | 稳重亲切男声，教育/纪录片/培训 |

| `Dylan` | 富有表现力男声，广播剧/游戏配音 |

| `Anna` | 温柔亲切女声，客服/助手/日常 |

| `Chelsie` | 年轻清新女声，短视频/电商 |

| `Thomas` | 低沉磁性男声，品牌宣传/广告 |

| `Luna` | 温暖柔和女声，冥想/故事叙述 |

# 默认生成（qwen3-tts-vd-realtime + Cherry）
python scripts/qwen_tts.py --text "你好，欢迎使用千问语音" --download

# 按场景自动匹配
python scripts/qwen_tts.py --text "今日股市..." --scene news --download
python scripts/qwen_tts.py --text "从前有个..." --scene audiobook --download

# 指令控制语气/风格
python scripts/qwen_tts.py \
  --text "亲爱的同学们..." \
  --model qwen3-tts-instruct-flash-realtime \
  --instructions "语调温和，节奏平稳，适合教学场景" \
  --download

# 查看所有选项
python scripts/qwen_tts.py --list-voices
python scripts/qwen_tts.py --list-models

---

3. T2I 文生图 — 万相2.x

**适用场景**：根据文字描述生成高质量图片（可后续接 I2V 生成视频）。

# 默认模型（wan2.2-t2i-flash，快速）
python scripts/text_to_image.py \
  --prompt "一位穿汉服的女性站在桃花林中，电影感，4K，柔和光线" \
  --size 960*1696 --download

# 高质量模型
python scripts/text_to_image.py \
  --prompt "..." --model wan2.2-t2i-plus --size 1280*1280 --download

# 最新模型（万相2.6）
python scripts/text_to_image.py \
  --prompt "..." --model wan2.6-t2i --size 1280*1280 --n 1 --download

**模型选型**：

`wan2.2-t2i-flash`（默认，快速，适合测试）

`wan2.2-t2i-plus`（质量更高）

`wan2.6-t2i`（最新，支持更宽高比，同步调用）

**常用尺寸**：`1280*1280`（1:1）/ `960*1696`（9:16 竖版）/ `1696*960`（16:9 横版）

---

4. I2V 图生视频 — 万相2.x

**适用场景**：将图片生成为动态视频，支持从文字一条龙到视频。

# 本地图片 → 视频
python scripts/image_to_video.py \
  --image ./portrait.jpg \
  --prompt "她缓缓转身微笑，裙摆飘动，花瓣轻轻飞舞" \
  --model wan2.6-i2v-flash \
  --resolution 720P --duration 5 --download

# 🔥 一条龙：文字 → 图 → 视频
python scripts/image_to_video.py \
  --t2i-prompt "一位穿汉服的女性站在桃花林中" \
  --prompt "她缓缓转身，花瓣飘落，唯美意境" \
  --download --output result.mp4

# 带背景音乐
python scripts/image_to_video.py \
  --image ./portrait.jpg \
  --audio-url "https://..." \
  --prompt "..." --download

**模型选型**：

`wan2.6-i2v-flash`（默认，含音效，支持5/10s）

`wan2.5-i2v-preview`（高质量预览版）

`wan2.2-i2v-plus`（无声，较快）

---

5. AA AnimateAnyone — 全身动画

**适用场景**：有人物全身照 + 参考动作视频，生成人物跳舞/动作视频。

**要求**：

图片：单人全身正面，头到脚完整，宽高比 0.5~2.0

视频：全身入镜，首帧开始即全身可见，mp4/avi/mov，fps≥24，2~60s

**三步流程**：

Step 1: animate-anyone-detect-gen2   (同步)  → check_pass=true
  ↓
Step 2: animate-anyone-template-gen2 (异步)  → template_id（约3~5分钟）
  ↓
Step 3: animate-anyone-gen2          (异步)  → video_url（约3~5分钟）

# 本地文件（自动转换格式 + 上传 OSS）
python scripts/animate_anyone.py \
  --image ./portrait_fullbody.jpg \
  --video ./dance.mp4 \
  --download --output result.mp4

# 以图片为背景生成
python scripts/animate_anyone.py \
  --image ./portrait.jpg --video ./dance.mp4 \
  --use-ref-img-bg --video-ratio 9:16 --download

# 跳过 Step2（已有 template_id）
python scripts/animate_anyone.py \
  --image ./portrait.jpg \
  --template-id "AACT.xxx.xxx" --download

> 格式自动转换：视频 webm/mkv/flv → mp4；图片 webp/heic → jpg；fps<24 → 24fps

---

6. EMO — 人像口播（旧版）

**注意**：推荐优先使用 LivePortrait，EMO 适合对口型精度要求高的场景。

python scripts/portrait_animate.py \
  --image ./portrait.jpg \
  --audio ./speech.mp3 \
  --download

---

7. 灵眸数字人 — 企业级模板视频

**适用场景**：企业数字人播报、模板化新闻视频。

python scripts/avatar_video.py \
  --template-id "BS1b2WNnRMu4ouRzT4clY9Jhg" \
  --text "大家好，欢迎收看今天的科技新闻。" \
  --download

---

API 参考文档

**LivePortrait**: https://help.aliyun.com/zh/model-studio/liveportrait-api

**EMO** (emo-detect + emo-v1): [references/emo-api.md](references/emo-api.md)

**AA** (Animate Anyone): [references/aa-api.md](references/aa-api.md)

**T2I** (文生图V2): https://help.aliyun.com/zh/model-studio/text-to-image-v2-api-reference

**I2V** (图生视频): https://help.aliyun.com/zh/model-studio/image-to-video-api-reference/

**Qwen TTS**: https://help.aliyun.com/zh/model-studio/qwen-tts-realtime

**灵眸** (LingMou): [references/lingmou-api.md](references/lingmou-api.md)

**OSS 上传**: [references/oss-upload.md](references/oss-upload.md)

// Comments

// Related skills

More tools from the same signal band

Order food/drinks (点餐) on an Android device paired as an OpenClaw node. Uses in-app menu and cart; add goods, view cart, submit order (demo, no real payment).

Sign plugins, rotate agent credentials without losing identity, and publicly attest to plugin behavior with verifiable claims and authenticated transfers.

The philosophical layer for AI agents. Maps behavior to Spinoza's 48 affects, calculates persistence scores, and generates geometric self-reports. Give your...

日历管理数据处理

1 installs★ 0