2026年9月21日星期一

用Workbuddy打造口播数字人全流程 文案语音数字人剪辑

本文分享用Workbuddy和豆包工作打造口播数字人的完整流程,覆盖文案生成、MiniMax语音克隆、图片数字人API调用和剪辑skill。语音克隆约9.9元,数字人视频0.06元每秒,适合不想露脸或录音的自媒体创作者。

Tags:

这是我的第 373 篇原创,一直致力于从实战维度去分享工具、Agent、技巧、资讯

大家好!我是唐舰长

你想做自媒体吗?那种真人露脸的口播短视频。

最近,我把口播数字人视频这套流程跑通了,就是那种以真人形象克隆的数字人

很多人想要做自媒体,但是不想自己出镜,感觉有镜头焦虑,甚至也不愿意去用自己的声音录制文案。这个很正常,因为并不是很多人一开始都是自媒体圣体。

所以退而求其次,我们要用数字人替代真人录制。当然,今天分享的这个数字人,不是那种普通、一成不变的公共数字人。

而是可以基于自己的一张照片直接生成的数字人,并且支持在 Workbuddy 或者豆包工作里面调用生成。再结合文案、语音剪辑,能实现视频制作全流程。

所以这篇文章,就是分享我是如何一步一步实现这套数字人口播短视频的全流程的

横版视频效果:

用Workbuddy打造口播数字人全流程 文案语音数字人剪辑
已关注
关注
重播 分享 赞
杰克船长的AIGC

0/0

00:00/00:26
进度条,百分之0
00:00
/
00:26
00:26
全屏
倍速播放中

继续观看

用Workbuddy 打造口播数字人,文案-语音-数字人-剪辑全流程

原创
,
用Workbuddy 打造口播数字人,文案-语音-数字人-剪辑全流程
杰克船长的AIGC
已同步到看一看写下你的评论

竖版视频效果:

用Workbuddy打造口播数字人全流程 文案语音数字人剪辑
已关注
关注
重播 分享 赞
杰克船长的AIGC

0/0

00:00/00:26
进度条,百分之0
00:00
/
00:26
00:26
全屏
倍速播放中

继续观看

用Workbuddy 打造口播数字人,文案-语音-数字人-剪辑全流程

原创
,
用Workbuddy 打造口播数字人,文案-语音-数字人-剪辑全流程
杰克船长的AIGC
已同步到看一看写下你的评论

01|整理流程

上面分享的视频就是我的 AI 工具自动给我产出的一套数字人口播视频,其实效果已经算是很不错的了。这套流程可以拆分为下面这张导图。

先来大致看一下整个流程,其实就是从文案的创作到语音的克隆,然后调用 API生成数字人视频,最终再调用剪辑 skill 进行视频的剪辑。

整个流程都是基于 AI 工具直接完成,不需要你再去打开第三方软件,手动去做某一个环节的任务。只需要提供主题或者提供一段参考的文案想法,就能实现视频的生成制作。

02|文案制作

首先第 1 步就是要搞定文案的内容。其实很多人对于文案板块并不是很在意,但是恰好在做短视频时,文案内容是最重要的,

很多人会考虑数字人的视频效果会不会引起平台的限流等问题。其实这些问题很正常,但是说一句很现实的话:如果你用真人制作的短视频流量一般,那你用数字人制作的视频流量也是一般。

但如果你用真人制作的短视频流量不错,那你用数字人制作的流量也就不会太差。这其中的原因并不是因为粉丝量的问题,而是因为你用真人制作短视频有流量,说明你具备一定的网感,你会抓热点,也会整合内容。

有了这样的能力,其实做数字人视频也是不错的。

这里我跑通了整个流程,一共是有两套 skill:

一套 skill 是针对小白用户,去做自己的定位选题框架的;

另一套是基于经常做自媒体,有自己的产品也有自己的同行竞争的人群。

帮我安装 github 上这个 skill:douyin-viral-script这个 skill 的功能我还是挺满意的,但是很多人无法提供 Gemini 的 API。所以,你需要把这个 skill 安装到本地,并且抹除使用 Gemini 模型分析的板块。因为很多模型都能自主分析,比如我将 skill 安装到豆包工作里面,豆包工作本身自带的模型也可以分析。所以,我们可以把这个 skill 只改成脚本式以及提示词形式的模式。帮我安装 github 上这个 skill:douyin-script这个skill也帮我安装两个 skill 进行分别干活,一个是针对高要求人群,指向的是针对性的行业同行爆款视频分享;另一个是针对小白用户不知道自己清晰定位去用。

上面是我提供的一个提示词。因为这两个 skill 都是在 GitHub 上面的,也是其他开发者开发的,但是我觉得这两个 skill 的功能还是很不错的,所以就分享给大家。

但是安装的时候,一定要注意同行“分析文案 skill”的分析。

它原来接的是 Gemini 的模型分析,但是 Gemini 模型分析的 API 并不是那么好获取的。我们可以抹除这一块的内容,直接让 AI 工具本身的内置模型给我们分析也是 OK 的。

运行后的效果以小白 skill 的为例:

这个 skill 会在第一步先给你做一个定位梳理,从你的兴趣、资源和变现目标三个方向入手,先将你的定位梳理清楚。

然后再生成对应的脚本。同时,他也非常熟悉互联网短视频的风格,比如黄金 3 秒、节奏模板等等。确保你的短视频文案具备一些反常识/共鸣等能力。

03|语音克隆

既然舰长说了我们要全流程,那语音这个板块也需要重点去突破。

不然的话,当我们生成好文案之后,还需要自己去录音,将文案读一遍。这种行为虽然不是特别麻烦,但也不算是一个自动化的流程。

所幸现在的模型发展还是不错的,那我们就可以选择最经典的 MiniMax 模型,给我们做一个语音的复刻。

并且我们要把语音克隆的这个流程优化成一个 skill,方便我们后续接入到全流程里面。

其实所有的 skill,舰长已经做好了,但是公众号文章是没有办法分享文件的,所以只能给大家带来这个制作的方法,以及怎么样去制作 skill。

请帮我创建一个 skill,这个 skill 就是专门调用 minimax 的 API 给用户生成自己的声音音频出来1.你需要教用户怎么获取 minimax 的 api_key,需要提醒用户实名认证和最低充值。2.要引导用户提供一段录音文件3.根据录音文件和minimax 的 api_key去复刻音色,获取到这个音色 iD;同时提供一段 20 字左右试听文案4.将获取的音色 iD 保留到环境变量里面,5.上面流程是初始化流程,只缺少 音色 id 的时候才会执行,下面就是常规的生成语音。根据 用户提供文案,或者流程执行过程中提供文案,生成对应音频即可。

这段内容发给 AI 工具后,它会为你制作并直接生成一份 skill 文件。这份文件不仅支持你分享给其他伙伴,同时也能帮助你自己最开始快速上手。

因为想要进行语音复刻,我们就需要在 MiniMax 网站上进行个人实名认证,克隆一个音色的花费大概在 9.9 元,生成的语音价格就会比较便宜,差不多一万个字两块。

当然,音色只在你第一次克隆的时候才会收取费用,后面都是不收取的。(提前说明)

克隆的时候呢,只需要你先自己录制一份 30 秒左右的音频也就是录音,文案可以随便设定,差不多 30 秒读完就可以。然后再自己拟定一个音色 ID,比如我是舰长,我就叫“jianzhang0920”。

因为我这里的环境有一个 MiniMax API,所以如果你们的环境里面没有 MiniMax API,还需要再提供一下这个平台的 API key。

04|数字人视频API

关于数字人,需要跟大家提前说明:图片生成数字人的价格是 0.06 元/秒。

虽然不知道大家对于这个价格的想法,但是有一些事情,我出于自己的内心也要跟大家分享一下。其实像数字人这个选题,我很久之前就想写。

但是一直都没有找到优质的 API 接口,或者换更通俗的话就是便宜且稳定的接口。

市面上,要不然就是一些开发者做成了小程序、应用,让你到网站上面去用,价格也基本不菲。要么就是一些免费的公用类型的数字人,这种数字人肯定对我们的自媒体视频没有任何帮助。

也是直到今年这个几个月,尤其是上半年开始,这个图片数字人的技术出来了,成本就下来了,不像是之前需要我们自己录自己的形象,在那边读 123、123。 平台和制作 skill 的方法

数字人调用网站:https://changer.qcapi.top/register.php?code=QFY4AXCA

注册完账号之后,会立马跳出 API 的内容。这个 API 你一定要保存好,最好是放在自己的备忘录里面。

因为后面不管是调用 API,还是登录咱们的这种网站账号,都要基于这个 API 才行。

进入网站后,直接去下载对应的 API 文档。(右上角第二个按钮,显示“API 调用文档”)打开后下载这个调用文档。这个文档是给 AI 看的。

下一步,结合文案和提示词再发给你的 AI 工具,它会自动帮你制作成一个 Skill。这个 Skill 就可以通过 API 调用的方式帮你生成数字人视频。

生成的结构其实就是结合你提供给他的图片加上音频,就能制作数字人视频

【下载的调用文档需要上传给 Ai 工具】这是一个平台生成数字人口播视频的接口调用文档。我现在需要基于这个文档,帮我做一个 Skill。这个 Skill 只需要具备一个功能:结合我提供的音频和自己的照片或图片,生成数字人的口播视频。只需要做这么多,语音合成、TTS 等其他东西都不需要管。你这个 skill 呢,只需要做好请求和查询任务等等。

制作好后就可以使用 AI 工具生成数字人了。

输入的内容为:

注册账号时得到的 API 密钥,

加上你的照片,

再加上录音或者你自己克隆的音频。

三件东西准备好,就能给你生成一份数字人。最开始测试,建议大家先生成一个 20 秒到 30 秒左右的视频,先看一看效果,再去做几分钟的视频。

05|剪辑 skill

由于篇幅的问题,这个剪辑板块的 skill 就不过多分享了。但是在前几次的文章当中,我有详细详细地介绍了这个剪辑 skill 的使用和它的功能,以及如何去正确地用好。

文章链接:我用Skill把口播视频剪成了电影感大片:零剪辑基础也能做自媒体(附带爆款封面提示词)

直接查看我前几一篇文章即可。

06|写在最后

以上就是整个我的这个流程的分享,全程干货,相信看到这里的伙伴也知道,每一步的重点内容全部已经给大家分享完。

这套流程呢,我也在直播中分享过,有很多小伙伴都非常认同

以上,我是唐舰长。持续分享 Agent 的使用技巧,觉得有用,点个赞、在看、转发三连,谢谢大家。

用Workbuddy打造口播数字人全流程 文案语音数字人剪辑

没有评论:

发表评论

2026淘宝联盟年度榜单揭晓 两类新玩家正在改写淘客格局

本文解读淘宝联盟2026年度优秀合作伙伴榜单,重点拆解手机厂商流量型与广告媒体投流型两类新玩家,剖析其资源迁移打法与头部格局变化。对想入局淘客的新人,建议结合所在城市的产业圈子选赛道,并重视自身流量资源与能力的长期积累。 Tags: 淘宝联盟 淘客榜单 手机厂商流量 ...