AIAI 工具图鉴
← 返回全部文章
·约 9 分钟

Lanshu Create AI Presenter Video

编程开发视频生成Agent
本文目录
  1. 🚀 什么是 Lanshu Create AI Presenter Video？
  2. ✨ 核心工作流：6 个阶段一条龙
  3. 🛠️ 快速上手：5 分钟装好
  4. 📊 跟商业数字人工具比，它强在哪？
  5. 💡 最少要准备什么？默认怎么出片？
  6. 🎯 适用人群与优劣势
  7. 💰 定价与开源协议
  8. 🎯 总结

📌 核心价值：一张授权人像 + 一段文案，让 AI Agent 全自动产出带字幕、口型校准的数字人口播视频，而且不绑定任何付费服务商。

做口播、做知识短视频，最怕两件事：要么真人天天出镜累，要么买 HeyGen 这类会员月月扣 29 美元。今天这个开源 Skill，把「脚本→配音→数字人→字幕→剪辑→验收」整条流水线交给 Codex 这类本地 Agent，环境里有什么视频和语音能力就用什么，换模型不用改一行代码。

封面图

🚀 什么是 Lanshu Create AI Presenter Video？

lanshu-create-ai-presenter-video 是开发者「岚叔」刚开源（2026-08-20）的一个面向 Codex 的通用数字人视频制作 Skill，目前 GitHub 已冲到 851⭐、MIT 协议。

它解决的核心痛点很直接：你只给一个主题或一份文案，再给一张经过授权的清晰成年人像，剩下的配音、人物生成、口型校准、字幕与关键词动效、剪辑、渲染和质量验收，全部由 Agent 按一套固定 SOP 跑完。

核心定位：提供商中立——项目源码不绑定任何服务商、模型名称或私有接口，环境里有什么能力就用什么。

换句话说，它不像 HeyGen、D-ID 那样把你锁在自家云端按时长收费，而是一个「视频生产 SOP」，装进 Codex / OpenCode / Cursor 这类支持本地 Skill 的 Agent 环境就能反复用。

✨ 核心工作流：6 个阶段一条龙

工作流

整条流水线最妙的一点是：完整配音是全片的时间基准。人物视频、字幕、镜头、关键词与转场全部按同一条音频定位，从根本上减少口型漂移和片段衔接问题。

  1. 输入与准备：主题/文案 + 授权人像，确认声音与远程上传权限，生成 job.json 任务包。
  2. 文案配音：整理口播稿并合成完整配音，作为全片时间基准。
  3. 人物试片：先用低成本方案出样片，验证形象与口型。
  4. 主素材生成：按音频时间轴生成连续数字人视频。
  5. 剪辑包装：镜头转场对齐音频，加实时字幕、关键词动效和封面。
  6. 验收交付：口型、人物、声音、画面双重验收，输出母版、分享版和 QA 报告。

🛠️ 快速上手：5 分钟装好

它是标准 Codex Skill，安装就是一条 clone：

git clone https://github.com/cclank/lanshu-create-ai-presenter-video.git \
  ~/.codex/skills/lanshu-create-ai-presenter-video

装好后，可以先初始化一个标准任务目录，把人像和主题喂进去：

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 "视频主题" \
  --duration 60 \
  --aspect 9:16 \
  --rights-confirmed \
  --adult-presenter-confirmed

# 补全 job.json 中的人工检查与远程上传许可后再预检
python3 "$SKILL_DIR/scripts/preflight.py" ~/Videos/my-presenter-video/job.json

也可以直接在对话里说：「使用 $lanshu-create-ai-presenter-video，把这份文案和人物图做成一条 16:9、30 秒、有实时字幕的数字人讲解视频。」

注意：运行前必须确认 Python 3.9+、FFmpeg/ffprobe 已装，并且环境里至少有一种可调用的视频生成、语音生成与口型同步能力——它是「指挥官」，不是「工厂」。

📊 跟商业数字人工具比，它强在哪？

竞品对比

一眼看清定位：HeyGen、D-ID、腾讯智影、火山引擎这些都是商业 SaaS/云服务，绑定自家模型按时长或订阅收费；而 Lanshu 是 MIT 开源、提供商中立的 Skill——你已有的 Agent 能力和账号直接复用，没有平台抽成。

最大卖点：不绑定服务商，换模型不动代码；还内置质量门禁，保障产出可交付。

代价是它不是开箱即用的网页工具：需要本地 Agent 环境 + FFmpeg + 至少一种生成能力。所以它更适合「已经有 Agent 工作流、想批量标准产出口播视频」的创作者和团队，而不是纯小白。

💡 最少要准备什么？默认怎么出片？

参数默认

  • 最少输入：一个主题或完整文案 + 一张授权清晰成年人像。可选声音样本、B-roll、品牌素材、目标平台、横竖屏、时长、风格等。
  • 默认画幅：竖屏 9:16、1080×1920、30fps，主题生成视频通常 45–75 秒。
  • 结构：清晰开场 + 2–4 个内容节拍 + 简洁结尾，发布响度目标约 -16 LUFS。

下面是它能产出的成片效果概念——数字人讲解员配上实时字幕和关键词高亮：

成片效果

🎯 适用人群与优劣势

适用人群

成本边界很克制：首次付费生成前必须说明上传内容、时长、价格依据和重试上限；任务中断优先查已有任务 ID 避免重复扣费；连续三个付费候选失败就停止。

  • ✅ 最适合：已有 Codex/OpenCode 等 Agent 工作流、需要批量、标准化产出口播视频的创作者与团队。
  • ✅ 核心优势：提供商中立、MIT 可改可分发、质量门禁保障交付。
  • ❌ 不适合：纯小白、不想配环境、只想要网页拖拽出片的人。

在安全上它也做得到位：远程上传前确认图片使用权和成年人物状态，克隆声音前确认声音授权，仓库不保存任何 API 密钥和用户素材。

💰 定价与开源协议

完全免费开源：MIT License，可以自由使用、修改和分发。你只需要为自己实际调用的视频/语音/口型能力按对应服务商付费——这也意味着没有平台抽成，用多少付多少。

新用户建议：先用库存声音 + 低成本试片跑通一条 30 秒样片，确认形象和口型满意后再上主素材，避免一上来就烧高价额度。

🎯 总结

如果你已经在用 Codex / Cursor / OpenCode 这类 Agent 工具，又苦于数字人视频要么真人累、要么会员贵，这个开源 Skill 值得一试：它把整套视频生产流程工程化、可复用，还把「不绑定服务商」写进了设计基因。

推荐指数： 4.5 / 5（四星半，扣半星是因为需要一定本地环境配置，非纯小白友好）

适合人群： 有 Agent 工作流的创作者、自媒体团队、需要做批量标准口播视频的人

立即体验： GitHub 仓库

数据截至 2026-08-25，最新信息请以官网为准。