角色表情动画生成 · مهارة Open Skill عامة
角色表情动画生成
角色表情动画生成 هي Open Skill عامة على Digen. افتحها لتعرف ماذا ينشئ هذا التدفق.
Anime
2 0 7
https://d7qlwi7tl2u27.cloudfront.net/skill-covers/prod/4006793/2026-08-26/ck7gnsya.png
# 角色表情动画生成
## When to use
- 用户上传一张人物/角色图片，并给出一段文案（台词），希望生成约 6 秒的动画：角色做出表情变化（眨眼、微笑、张嘴说话等），同时用 TTS 配音朗读这段文案。
- 不需要字幕，画幅方向与上传图片保持一致（自动识别）。
- **优先高清（最高优先级）**：使用 `ai2v` 模型，分辨率 1080P（约 1280×720），避免画质被压小。
- **口型与台词严格对应（最高优先级）**：动画中角色说话的口型必须与配音台词逐字同步，说台词时嘴型开合与发音一致，台词说完后闭嘴回到待机。
- **首末帧尽量一致**：在 prompt 中强调动作结束后回到初始待机姿态、首末帧画面一致（尽力而为，`ai2v` 不保证完全一致）。
- **不要背景音乐**：只保留配音人声，不加任何背景音乐。
- 配音语气默认**适合与小朋友对话**（亲切、温柔、有耐心）。
## Steps
1. **收集输入**：拿到用户上传的角色图片 URL 和文案（台词）。确认文案就是配音要念的内容。若文案过长（预计配音超过约 6 秒），先提醒用户缩短到 6 秒内能念完的长度。
2. **识别画幅方向**：调用 `recognize_image(image_url=<角色图片>)`，判断图片是竖版（portrait）、横版（landscape）还是方形（square），据此确定后续视频的 `orientation`。
3. **生成配音**：调用 `generate_tts(mode='design', text=<文案>, voice_instruction=<亲切、温柔、有耐心，适合与小朋友对话的语气，语速适中偏慢，语调上扬有亲和力>)`，得到配音音频 URL。目标时长约 6 秒。
4. **生成表情动画（ai2v 音频驱动，口型与台词严格同步）**：调用 `generate_video(model='ai2v', input_urls=[<角色图片>], audio_url=<第3步配音音频>, orientation=<第2步识别的方向>, resolution='1080P', duration=6, prompt=<描述角色自然做出表情变化，嘴型与配音台词严格同步，逐字对口型，说台词时嘴巴开合与发音一致，台词结束后闭嘴回到待机，动作结束后尽量回到初始待机姿态，首帧与末帧画面尽量一致，保持角色形象与构图稳定，画面清晰，不要背景音乐>)`。**必须使用 `ai2v`（音频驱动）**，这是口型与台词同步的关键，且分辨率最高（约 1280×720）；**必须显式指定 `resolution='1080P'`**，避免默认降级导致画质降低、尺寸变小；**时长固定 6 秒**。prompt 中根据文案情绪描述表情（如眨眼、微笑、张嘴说话、皱眉等），**重点强调嘴型与配音台词逐字对应、说台词时嘴巴开合与发音一致、台词结束后闭嘴**，并**强调动作结束后回到初始待机姿态、首末帧尽量一致**，同时**明确禁止背景音乐**。
- 参数：`name='角色表情动画'`，`entity_type='final_videos'`。
5. **合成配音（静音原视频音轨，只保留人声）**：调用 `mix_clips(clips=[{video: {url: <第4步动画视频>, volume: 0}, audio: {url: <第3步配音音频>}}], crf=18, preset='slow', name='角色表情动画-带配音', entity_type='final_videos')`。**将视频原音轨音量设为 0（`volume: 0`）以去除任何背景音乐**，只保留配音人声；使用低 `crf` 和慢速编码避免二次压缩降低画质。
6. **交付**：把合成后的动画视频展示给用户，说明口型与台词严格对应、无背景音乐、画质为平台最高分辨率（约 1280×720）。
## Notes
- 画幅方向必须与上传图片一致，不要擅自改成固定 9:16 或 16:9。
- **必须使用 `ai2v`（音频驱动）**：这是口型与台词严格对应的关键，同时分辨率最高（约 1280×720）。
- **口型与台词严格对应**：prompt 中明确要求嘴型逐字对应配音台词、说台词时嘴巴开合与发音一致、台词结束后闭嘴。
- **必须显式指定 `resolution='1080P'`**，不要依赖默认值，否则视频会被降质、尺寸变小。
- **时长固定 6 秒**（`duration=6`）。
- **首末帧一致为尽力而为**：`ai2v` 无法严格保证首末帧完全一致，只能在 prompt 中尽量强调；如需严格保证首末帧一致需改用 `fl2v`（但分辨率会降到约 480×864），如实告知用户这一权衡。
- **合成时把视频原音轨设为 `volume: 0`**，只保留配音人声，避免出现背景音乐。
- 配音默认采用适合与小朋友对话的亲切温柔语气；若用户有特殊语气要求，以用户要求为准。
- 若用户上传多张图片，默认以第一张作为动画主体；如需多图请用户说明。
- 若生成结果表情不自然或口型不同步，可调整 prompt 中的表情描述后重新生成。
- 遇到明显违规或无法生成的内容，如实告知用户并礼貌说明原因，不编造成功结果。