andyhuo520/digital-human-koubo

本页介绍外部开源仓库，并非 HDATF 产品。

它做什么

这个仓库将代理指引和脚本组合起来，根据获准使用的照片及台词或内容请求，制作虚拟讲解者出镜的视频。它面向制作解说、教程和产品介绍的用户，最终输出是剪辑后的MP4。人物参考素材、声音描述和提示词保存在persona.json中，build_tasks.py将台词转成包含预计时长、分辨率和积分的生成任务JSON。文档流程要求先批准报价并确认第一个生成片段，再通过Renoise MCP生成其余片段。不过，这个脚本本身只准备任务数据，不会强制执行批准流程，也不会提交远程生成请求。后续步骤将whisper转写与台词比较，检查抽样画面，整理声音，并用Remotion编辑字幕及视觉元素。完整流程需要支持技能的代理、Renoise账号和远程MCP连接，以及本地Python、Node、ffmpeg和whisper环境。将文字放在人物身后的分离效果还依赖macOS的Apple Vision，因此不能在所有操作系统上使用同一路径。账号专属的参考素材需要替换，生成语音和画面需要审核，使用人脸与声音需要授权，也需要标注AI内容。外部生成费用与第三方渲染工具条款应分别确认，公开演示及作者报告的准确率并不能证明其他环境也会得到同样结果。

许可证

MIT 宽松许可。保留版权声明即可商用和修改。

同领域的其他仓库

• aoguai/LiYing
  LiYing面向照相馆，以单人肖像为输入，自动完成证件照后期处理。它根据背景颜色、照片间距和裁剪线设置，生成电子提交照片与打印排版图。Python处理流程通过本地ONNX模型组合YOLOv8姿态检测、YuNet或RetinaFace人脸检测和RMBG背景分割。程序依据肩部关键点校正角度，并按脸部大小和头顶留白裁剪。CSV配置可指定尺寸、分辨率、颜色和文件大小限制，还可选择压缩与皮肤修饰。用户可通过命令行或Gradio浏览器界面操作，仓库也提供Docker配置。开始使用前需另行准备模型文件和Python依赖，仅在选择NVIDIA加速时需要兼容的CUDA与cuDNN。复杂照片不属于预期输入，透明PNG保存会跳过目标大小压缩，AGPL-3.0代码许可与各模型使用条件仍须分别核对。
• lemomo-ai/lemo-opuscar
  Lemo-Opuscar是一组以代码而非视频生成模型制作短片的风格资料、制作工具和代理技能。用户提供主题、风格与自有素材，由编程代理组织场景、时间轴、旁白、音乐并导出影片。技术文档描述了按时间确定性绘制Canvas或WebGL页面，通过无头浏览器逐帧捕获，再用ffmpeg混音封装的方式。已查看的插件定义只是通向这些资料和工具的入口，并非安装后立即自动制作影片的独立产品。环境需要Node 20或更新版本、ffmpeg及Python 3.11或更新版本，再按需准备浏览器包、语音模型和素材，Windows文档推荐WSL。英语旁白可使用本地Kokoro，而文档中的中文Edge TTS路径需要联网。作者说明风格针对Claude调校，其他模型不保证可靠复现，因此仍需审核画面、音频和事实。代码与文档、演示影片、第三方素材及部分被排除的语音轨道采用不同复用条件，必须分别核对。
• anomalyco/hex
  Hex是供用户在macOS、Windows和Linux应用中用语音输入文字的本地听写程序。用户按住快捷键对麦克风说话，松开后，识别文字会粘贴到当前应用。首次使用会下载语音模型，普通转写由Rust引擎在设备本地完成。按上下文处理可包含校正和可选的OpenCode改写，因此不能把本地识别的说明扩大到所有连接的处理服务。独立的TypeScript SDK接收宿主提供的PCM WAV，通过经过认证的本地原生辅助进程返回转写文本和时间信息。使用SDK的应用负责录音、权限和同意，应在Node或Electron主进程中使用，而不是不可信的浏览器渲染界面。用户可从平台发行版开始，嵌入SDK则需要Node.js 20.3.0及以上和明确指定的原生可执行文件，因为捆绑辅助程序的发行包尚未发布。Windows文档注明当前Rune界面尚无实机验证且本地转写API未提供，因此需要与SDK指南另行核对平台支持范围。Windows被标为测试版，SDK控制桌面录音目前仅支持macOS，音频请求有大小及长度相关限制，MIT源码许可也不能代表所有语音模型的使用条件。
• simbasjungles/free-my-tv
  Free My TV提供无广告的电视主屏幕，显示应用快捷入口和作品推荐。它结合已安装应用信息与TMDB的地区供应信息筛选作品，并从Open-Meteo获取天气和日落数据。在Android TV 9及以上系统中，Java应用通过用户授权的设备内部ADB连接切换主屏幕，并停用部分预装应用而不卸载。保存的状态用于恢复原主屏幕，反复崩溃时监控功能会请求恢复。LG webOS和Samsung Tizen版本是独立网页应用，不替换出厂主屏幕。安装需要兼容电视、同一网络中的电脑和开发者访问权限，作品推荐需要TMDB密钥，也不能替代流媒体订阅。
• JiaFeiMiao-K-Cat/DiscImageStudio
  Disc Image Studio面向希望通过刻录在光盘表面形成肉眼可见图案的用户，而不是打印标签。它接收图片和可选的随盘文件，将其转换为符合CD、DVD和单层BD-R物理记录格式的数据。设计界面提供图片图层、影调调整、预览和标定功能。输出包括CD使用的WAV加CUE或RAW音轨，以及对应介质的ISO等光盘镜像。各介质模块共用命令和任务接口，实验性即时刻录通过Windows IMAPI2连接刻录设备。Windows桌面界面支持设计和刻录，Linux与macOS的实验性命令行包无需云端API即可离线生成镜像。文档中的起步方式是获取匹配环境的发布包，选择光盘类型，导入图片，并在导出前检查预览。实际可见效果取决于介质和刻录机，即时刻录仍属实验功能，中断可能使空白光盘报废。

只收录进入 Trendshift 排行榜的仓库，榜单仅用于寻找候选项目，不转载名次。说明、许可证和星标数来自各 GitHub 仓库。解读是我们自己的判断。我们尚未测试这些项目，上榜并不证明质量。