原研究日期：2026-09-27。作者为岚叔（Lanshu）；本次按 2026-10-13 的官方文件更新路线、依赖与许可边界。
这是什么
一套按能力选择工具、以完整音频为时间基准的视频工作流 Skill。当前不只面向 Codex，也不只做数字人：官方说明区分 presenter 人物讲解与 styled 无数字人讲解路线。它组织脚本、配音、画面、字幕和验收，不是一个自带所有模型的视频生成器。官方说明
“Provider-neutral”指方法按能力描述，不绑定单一服务商；不等于任意品牌、任意模型、任意兼容接口都已经接通。每次任务都要核对实际工具、模型、输入限制和费用。
为什么值得关注
我看重的是先锁音频、先做小样、再扩大生成的顺序。声音时长、停顿和语速确定后，画面与字幕有共同的对齐依据，返工也更容易定位。这个顺序能减少协调混乱，却不能自动保证口型准确、身份稳定或整条片子可交付。
它怎么转：四层逻辑
触发层
用户提供主题或文案，选择真人形象讲解还是无数字人的视觉讲解，再明确画幅、语言、受众和时长。人物图、声音样本与辅助媒体必须有相应使用许可。
核心层（工作流）
确认内容与权利 → 准备并锁定完整配音
→ 选择实际可用的画面/人物/口型能力
→ 小样与人工确认 → 分段生成、保存任务状态
→ 剪辑与字幕 → 视听质检与交付
先锁音频不是“按音轨就必然口型同步”。成片要检查嘴型与语音、停顿、切点、字幕可读性和人物连续性。
上图“防止重复提交”的表述应收窄为“恢复前先查询任务，降低重复提交风险”。保存 task ID 不会自动赋予供应商幂等、退款或免重复计费能力。工作流建议连续 3 个付费候选被拒后停下排查，也不等于所有调用器都有代码级预算硬拦截。生成与恢复参考
输出层
任务清单、音频、候选视频、字幕、质检资料与成片。字幕是制作流程中的后期轨道，不应把原文“实时字幕”理解成直播实时识别。
卡点层
本地工具、供应商能力、音色、人物素材、远端上传同意及费用。仓库体积小不等于无依赖，也不能用一次 push 或 issues 少判断已停更或生产可靠性。
怎么升级：分三档
入门（先明确路线和权限）
按 官方安装与依赖说明 选择宿主。基础流程涉及 Python 3.9+、FFmpeg/ffprobe 及相应命令行工具；styled 路线另有 Node、渲染与语音等依赖。并非每条路线都必须同时具备视频生成、TTS 和口型同步三个 API。
首次外部上传与首次付费生成前，明确接收方、输入素材、候选时长、费用单位和预算，再做少量试片。不要把“30 分钟跑通”当统一安装或生成时限。
进阶（用任务记录降低返工）
在 job 中保留输入、选择、远端 task ID 与结果。超时先查询，无法确认任务状态时不要盲目重新提交；已计费但不采用的候选仍可能有费用。按总请求量预算，不只按最后成片使用秒数估算。
高手（替换供应商与质检）
把“需要的能力”与“供应商的具体接口”分开。每次替换都验证参考图、声音、时长、分辨率、任务查询、下载和错误处理；能写入同一个配置文件，不等于通过全流程契约测试。
场景迁移：三个方向
方向 1：培训与教育
可用获准的讲师形象或无数字人路线生产课程片段。专业内容必须另行核对来源，数字人看起来像专家不代表建议可靠。
方向 2：营销与产品讲解
人物、配音和商品资料的许可分开管理。克隆自己的声音也不自动取得录音中的配乐或其他人的权利；获准使用照片不代表获准克隆照片中人物的声音。
方向 3：内容矩阵
共享工作流与验收规则，逐条确认受众、素材和发布政策；不要把批量生产等同于可以绕过平台标识或内容审核。
部署风险与收益
收益
以音频为时钟、小样先行、候选选择和任务恢复记录，都是可复用的制作方法。其收益需要在自己的内容和工具上测量，不用 stars 或 fork 比替代测试。
风险：费用与服务条款是独立账
删除原文通用“¥5—50/条”报价。以可能使用的 MiniMax 为例，其 API 价格原页 分别按文本、语音、声音与视频等项目计费，模型、分辨率、输入媒体与生成次数会影响总额；不能套用一个成片单价。小样可以减少盲目投入，但不等于免费。
MiniMax 的 统一条款 明确将 Open Platform、Audio、Hailuo 等产品的适用条款分开。API 用户不能直接拿消费者网页订阅或另一产品的条款推定自己的商用、克隆与数据处理权限。其他供应商或中转平台也要检查各自合同，本次未给它们作统一授权结论。
注意事项：不是随便给张脸就能克隆
初始化代码 分别记录素材权利、成年人形象确认、远程上传同意和声音克隆同意。勾选这些字段不证明真实授权已经存在，应留存对应凭据和使用范围；人物图授权与声音克隆授权不能互相代替。
该脚本会把输入复制到本地任务目录，所以原文“不存人脸、不存声音”范围过大。仓库不附用户媒体，不代表任务不落盘，也不代表调用供应商时不上传。任务目录的访问、保留和清理需要自行管理。
项目元数据
主代码采用 MIT，需要保留许可与版权声明；它不授予任何人的肖像、声音、音乐、品牌或第三方模型服务权利。删除旧仓库体积与“无依赖”表述。
关键技术亮点
音频先锁、小样先验、能力路由、任务状态和视听检查。这些是可复用的工作流设计，不是口型、费用、版权或医学法律结论的保证。
与其他工具的关系
它可衔接生成与剪辑工具；接入方式仍由宿主权限、供应商接口和实际任务决定，不宣称一组工具名称就组成已验证完整生产线。
一句话总结
这个 Skill 的灵魂，是先把声音和验收顺序定下来，再按真实能力选择工具；数字人只是其中一条路线，授权和费用都不能靠 MIT 或 task ID 代办。
2026-10-13 资料核对：已阅读官方 README、生成参考、初始化代码、MIT 许可，以及 MiniMax 价格与统一条款原页；未提交人物或声音、未生成视频。API 专属条款与隐私页未取得可读正文，不据此作商用或隐私保证。