
名称	lanshu-create-ai-presenter-video
描述	将主题或完成的脚本，与一张已授权的成年人主持人图片，转化为完整、可发布的 AI 主持人视频。适用于新建主持人视频，也适用于继续、修改、添加字幕、修复口型同步或重新导出已有的主持人视频任务。模型与提供商的选择应基于能力，并按任务记录实际选择。

创建 AI 主持人视频

用最少输入制作经过验证的主持人口播视频。最终旁白是主持人动作、字幕、图形、剪辑和交付时长的主时钟。

必需成果

从一个主题或脚本，以及一张包含一位清晰成年人主持人的已授权图片开始。
交付可完整解码的主视频、较小的分享副本、字幕、制作记录，以及独立的机器 QA 和视觉 QA 说明。
保持工作流可跨提供商、模型、宽高比、语言和时长移植。

操作规则

在相关远程操作前，确认图片权利、成年人状态、远程上传批准和声音克隆授权。
将远程生成视为可能计费。在首次付费调用前，说明上传的资产、请求的秒数或单位、已知成本、试点规模、重试上限和预期输出。对于完全相同的计划，复用已给出的批准。
绝不要从图片推断真实声音。使用已授权样本，或录制选定的库存声音。
在生成主持人、确定字幕时间或最终场景边界之前，锁定完整旁白。
优先使用一张主持人图片、一个声音身份、一种视觉处理和一条连续的主持人素材源。
在最终合成中静音视频源。只路由已批准的外部旁白和有意的混音轨道。
保留提供商请求体和任务 ID，但不包含凭据或会过期的 URL。在考虑重新提交前，先轮询被中断的工作。
对技术故障使用数值检查，对身份、口型时间、眨眼、手势、手部、光照和连续性进行正常速度的视觉审查。
在三个被拒绝的付费候选之后停止，或在会对成本、隐私、声音、外观或提供商产生重大影响的变更之前停止。
在最终文件可完整解码，且联系表或完整播放已审查之前，不要声称完成。

启动或恢复任务

对于新任务，阅读 generation.md，然后运行：

SKILL_DIR=~/.codex/skills/lanshu-create-ai-presenter-video

python3 "$SKILL_DIR/scripts/init_job.py" \
  --job-dir ~/Videos/my-presenter-video \
  --presenter-image ~/Pictures/presenter.png \
  --topic "用一分钟讲清楚上下文工程"

对已有脚本文件使用 --script。可选标志包括 --voice-sample、--supporting-media、--duration、--aspect、--width、--height、--fps、--watermark 和 --cta。

检查实际源图片，并试听任何声音样本。在 job.json 中记录人工审查和批准，然后运行：

python3 "$SKILL_DIR/scripts/preflight.py" ~/Videos/my-presenter-video/job.json

对于已有任务，读取 job.json、当前产物、任务 ID 和 QA 报告。从最早未完成状态恢复，不重新生成已接受的工作。

生产状态机

仅当证据存在时推进任务：

intake
→ content_locked
→ audio_locked
→ visual_plan_locked
→ presenter_generated
→ composition_checked
→ rendered
→ verified

1. 锁定内容和音频

阅读 generation.md。

将一个主题转化为一条口语化内容主线，或润色提供的脚本，但不静默改变事实含义。
保存制作脚本、节拍表、发音和旁白分段。
使用一个声音配置生成完整的已批准旁白。
一致地归一化各分段，对最终音频运行 ASR，并纠正重大遗漏、添加、数字、名称或重复语音。
记录真实时长。这些时长现在定义时间线。

2. 规划并生成主持人

选择主持人主导、屏幕演示或混合讲解路线。仅在支持媒体能证明或澄清某个口头要点时使用它。

在完整运行前生成一个短时、低成本试点。为主轨道优先保证身份和口型时间。为有动作的开场或结尾使用一个受控手势。当身体动作被接受但口型时间失败时，保留动作底板，并使用锁定音频应用专门的口型同步修复。

归档提示词、参数、提供商/模型/版本、区域、任务 ID、请求秒数和验收备注。

3. 编辑视频

阅读 editing.md。

构建由锁定音频驱动的确定性时间线。保持作者设定的开始、时长和源偏移相互独立。仅在音频和选定媒体最终确定后添加字幕和关键词标注。

使用 HyperFrames 时，加载当前 hyperframes、general-video 和相关领域说明。运行项目检查，检查转场和强调帧，打开 Studio 预览，并在渲染前等待最终视觉批准。

4. 验证并交付

阅读 qa-recovery.md。

以交付质量渲染，观看完整视频，并完成最终处理：

bash "$SKILL_DIR/scripts/finalize_delivery.sh" \
  ~/Videos/my-presenter-video/renders/rendered.mp4 \
  ~/Videos/my-presenter-video/outputs \
  my-video

最终处理器会保留输入宽高比，执行两遍节目响度归一化，创建主编码/分享编码，完整解码它们，写入探测信息和交付报告，并生成九帧联系表。交接前检查该表。

最小输入的默认行为

从请求推断语言。
除非目标平台建议其他格式，否则使用 9:16、1080×1920、30fps。
保留所提供脚本的自然时长；对于主题，目标为 45–75 秒。
当不存在已授权声音样本时，使用合适的库存声音。
使用主持人主导布局，包含设计好的钩子、2–4 个有用节拍和简洁结尾。
除非被要求或有明确理由，省略音乐和促销 CTA。
保持风格可信、现代、可读，并对目标平台安全。

必需的任务产物

job.json
docs/{SCRIPT,BEAT_SHEET,TIMELINE,STORYBOARD}.md
assets/source/
assets/audio/{reference,raw,final}/
assets/video/{candidates,selected,render}/
assets/captions/
qa/{requests,asr,contacts,reports}/
renders/
outputs/

参考路由

阅读 generation.md，了解需求录入、内容、声音、工具选择、主持人提示词、付费生成或提供商变更。
阅读 editing.md，了解时间线构建、屏幕演示布局、开场、结尾、字幕、关键词标注、预览和导出。
在接收媒体或交付前，以及每当口型同步、身份、手部、曝光、冻结、字幕、音频或远程任务失败时，阅读 qa-recovery.md。