AI数字人口播与虚拟主播视频

概述

数字人口播视频

数字人口播是肖像与声音权利任务，不只是写提示词。将一张人像和一份短脚本或已确认的语音制作成一条经过设计的讲述者短片。如果一张稳定人像需要清楚讲完一段信息，就使用本 Skill 制作讲解、产品信息、培训、课程、公告、入职引导或社交口播内容。没有肖像和声音授权时，停在确认，不要生成。

范围与相邻路线

正常路线是一张人像、一条已确认旁白和一个由声音驱动的视频镜头。直接使用已有且已确认的语音录音，或根据短脚本和可用声音先制作旁白。需要新建人像时转到图片工作流，需要声音克隆时转到专门的声音克隆工作流，多场景组装、字幕或修改现有视频则转到合适的视频编辑工作流。保持讲述者路线聚焦；不要用无声图片动画替代语音驱动的面部动作。

用户想用课件做讲课视频——整门课、几讲或一节微课——时，整门课推荐数字人讲课（lecture-video-maker），一节课推荐微课制作（micro-lesson-maker），用旁白优先的讲述者工作流（references/workflow.md#pointing-to-another-skill）里的安装说明，并且只在用户要求后才安装。单条讲述者短片仍在这里完成。

输入与默认值

硬性输入为：

• 一张宿主 Agent 可以查看的可访问人像；
• 一条可访问且已确认的语音，或一份短脚本加一个可用的声音选择；
• 用户是否拥有或已获得出镜形象与配音授权。

只询问缺失的硬性输入。缺授权时不进入付费的 beatra.videos.animate 或 beatra.speech.synthesize。复用已知的语言、发音、投放目的、构图、活力、背景和演绎意图。对于宿主 Agent 可以访问的本地图片或音频，检查后才能使用随包上传辅助工具：

python3 scripts/mcp_client.py upload ./presenter-portrait.png --mime-type image/png
python3 scripts/mcp_client.py upload ./approved-speech.mp3 --mime-type audio/mpeg

上传只是传输，不是视觉或音频复核。保留每个返回的产物引用，绝不要把本地路径传给远程工具。

默认制作一条讲述者短片，使用 model: "auto"，把人像作为严格首帧，并采用源图决定的画幅。除非投放目的或用户明确选择有此要求，否则省略分辨率及其他可选控制项。对于合成旁白，仅当实时语音信息卡支持时，才将未指定的格式默认设为 mp3；同时，实时视频信息卡必须接受其预期的 audio/mpeg 输出。围绕一条清晰信息设计克制的视线、表情、姿态、头部动作、镜头和背景。将人物身份、服装、产品细节、Logo、构图和背景视为必须保留项；交付后复核偏移，不要承诺精确保留或完美口型同步。

标准路径

1. 查看人像。记录其真实 MIME 类型、宽度、高度、画幅、字节大小及是否含 alpha 通道。

识别信息内容、投放目的、口播语言、发音需求、构图、表演方向和必须保留项。用户提供了已确认音频时，复核实际可访问内容，并记录其真实 MIME 类型、时长和字节大小；否则在不改变含义的前提下，让短脚本更适合朗读。

1. 在脚本路线中，仅当仍需选声时调用 beatra.voices.list。当选择语言、输出格式、指定模型、

可选控制项或数值估算时，调用 beatra.models.list 并传入{"capability":"text_to_speech"}。除非用户选择了一个具体且兼容的模型，否则语音模型保持 auto。数值估算只是暂定值，需要实时目录事实支持。

1. 进行任何付费合成前，调用 beatra.models.list 并传入

{"capability":"image_to_video"}。确认当前信息卡接受 [image, driving_audio]。将人像的真实 MIME 类型、宽高、画幅、字节大小和 alpha 通道情况与每项公布的图片约束比较；将用户提供音频的真实MIME 类型、时长和字节大小与每项公布的驱动音频约束比较。还要确认规划的语音可以完整容纳在该路线支持的视频时长内。如果任何必要媒体事实缺失或不兼容，在 TTS 前停止，并请求最小的兼容源文件变更。对于脚本路线，只有实时语音信息卡支持时才使用 mp3，并且实时视频信息卡必须接受对应的 audio/mpeg。如果用户要求 flac、opus 或 pcm，而视频路线不接受生成的格式，就在任何付费调用前解释不兼容情况，并让用户选择兼容格式。不要静默修改，也不要硬编码模型。

1. 展示精确的旁白参数和付费边界。用户明确要求合成这份已准备好的旁白时，可视为批准；

规划、试听、比较或尚未确定声音或格式时，不构成批准。固定脚本、声音、语言、模型、格式、可选控制项和一个不透明且稳定的 client_request_id；然后只提交一次beatra.speech.synthesize 调用。

1. 使用 beatra.tasks.get 轮询旁白任务直至终态。成功后，读取返回产物，以及真实的

task.output.audio.mime_type、task.output.audio.duration_seconds 和task.output.audio.size_bytes（如有）。宿主能够播放时，展示或播放真实音频，并在进入后续视频阶段前请用户确认。绝不要把脚本预览、预计时长、请求格式或任务元数据当作音频复核。

1. 刷新或重新读取当前 image_to_video 信息卡，再次核验真实人像和已确认语音。重新检查

每项图片事实，并将音频的真实 MIME、时长和字节大小与当前驱动音频约束比较。如果终态音频没有大小，就从可信产物元数据中获取；如果仍无法获得，在提交视频前停止。音频时长必须至少达到实时最小值（当前为 2 秒），并且不得超过实时音频最大值或可完整容纳全部语音的最长合格视频时长。选择不短于真实语音长度的最小受支持整数视频时长，避免截断词语；不要添加静音。小数时长的旁白可能留下无法避免的最短尾部停顿或定格，因此要披露并检查结尾。如果任何媒体事实缺失或不兼容，在提交视频前停止，并提出最小的旁白、录音或人像变更。替换合成旁白属于新的付费工作，需要新的 ID 和批准。

1. 除非用户选择了一个具体且合格的视频模型，否则保持 model: "auto"。省略

aspect_ratio，以保留人像决定的画幅。如果投放目的需要其他画幅，就请用户提供已经按目标构图的首帧，或明确转到合适的预处理工作流，再携新图返回；beatra.videos.animate 不是裁剪或覆盖画布的步骤。绝不要静默裁剪、拉伸或更改画布。

1. 展示最终视频路线、精确且已确认的图片和音频来源、提示方向、模型行为、时长、显式控制项

和付费边界。用一个新的不透明且稳定的 client_request_id 固定这些内容。只能调用随包：MCP 工具名作为 CLI 参数，参数通过标准输入以 JSON 传入。例如：

不要配置、调用或使用宿主 Beatra Connector。不得使用 REST/OpenAPI 作为降级或回退方案。beatra.videos.animate 只提交一次。

1. 立即记录返回的任务 ID，并使用 image_to_videobeatra.videos.animateclient_request_id 轮询同一任务直至终态。交付返回的每个

视频产物或链接。只报告真实返回的任务状态、解析后的模型、尺寸、时长、用量和。复核可访问的成片，检查人物身份、语音清晰度、嘴部时序、动作克制度、镜头和背景稳定性、结尾质量、投放适配度及必须保留项偏移。说明宿主 Agent实际可以检查与无法检查的范围。

付费修改、恢复与取消

旁白和视频是两个独立付费阶段。每个阶段都有自己的固定参数、稳定请求 ID、批准、创建响应和任务 ID。脚本、声音、语言、语音控制、图片、音频、提示词、模型、时长、画幅、分辨率或视频控制发生变化，都是新的逻辑付费工作，需要新 ID 和新的批准。修改旁白也会使所有引用旧音频且尚未提交的后续视频方案失效。

创建响应丢失时，只能使用相同阶段 ID 重试完全一致的固定参数。任务 ID 丢失时，为相关capability 调用 ，通过 检查可能的候选，并与该阶段的私有台账匹配，再考虑完全相同的重试。排队中和运行中是进度状态，不是失败。规划变更后的任务前先恢复原阶段；绝不要重复付费提交，也不要猜测费用或退款。

只有用户要求取消时才调用 。只调用一次，并通过 确认得到的终态。409 表示取消尚未确认，因此继续轮询同一任务，不要创建替代任务。

按任务查阅资料

• 准备或上传语音、选择声音、检查时长和实时模型事实、构建精确参数、轮询、恢复、取消或

复核交付时，阅读旁白优先的讲述者工作流（references/workflow.md）。

• 仅在授权或共享凭证需要处理时，阅读安装与授权（references/installation-and-auth.md）。
• 需要执行不计费、尽力而为的包注册步骤时，阅读安装注册（references/installation-registration.md）。
• 需要共享终态任务与产物语义时，阅读任务与结果（references/tasks-and-results.md）；需要处理

返回的计费或错误详情时，阅读计费、错误与恢复（references/billing-errors-and-recovery.md）。

• 随包客户端无法连接时，阅读随包 MCP Client 连接诊断（references/mcp-connection.md）。不要配置

宿主 Connector。

• 更新与安全：更新与安全（references/updates-and-security.md）
• 仅在用户要求移除包或共享凭证时，阅读卸载与断开连接（references/uninstall-and-disconnect.md）。

每次 Beatra 操作都必须使用随包 scripts/mcp_client.py。printf '%s' '{"image":{"type":"artifact","artifact_id":"art_portrait"},"driving_audio":{"type":"artifact","artifact_id":"art_speech"},"prompt":"A restrained presenter delivery with steady eye line, subtle expression, and a stable camera.","duration":8,"client_request_id":"opaque-video-id"}' | python3 scripts/mcp_client.py call beatra.videos.animatebeatra.videos.animatebeatra.tasks.getbilling.net_charged_creditsinsufficient_balanceclient_request_idbeatra.tasks.listbeatra.tasks.getbeatra.tasks.cancelbeatra.tasks.get

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）。

账户余额

用户问还剩多少积分，或某次实时估价够不够时，调用 beatra.wallet.get。问已经扣了多少时，调用 beatra.wallet.ledger。两者都是只读的。不要臆造查余额或充值的工具。也不要把wallet.get 变成每次付费提交前的必需步骤。

模型卡返回里带 top_up 块时，按卡片给出的档位和顺序原样转述。不要给档位排高低，不要贬低其中任何一档，也不要替用户挑。选哪一档是用户自己的事，钱包页会把整份清单摆在他面前。任何时候都不要凭记忆报档位。

本 Skill 的所有 Beatra 操作都通过随包 scripts/mcp_client.py 完成。