Цифровой ведущий из одного фото: digital-human-koubo

1. Говорящий ведущий. Один и тот же человек в каждом ролике: лицо, одежда и описание голоса хранятся в одном файле. Его можно поставить в любую сцену: студия эфира, магазин, класс, улица.
2. Губы попадают в слова. По умолчанию голос родной для модели генерации - так липсинк точнее всего.
3. Субтитры и оформление. 48 приёмов: крупные цифры, карточки-доказательства, карты маршрутов, опросы, главы, наезды камеры. Автор разобрал по кадрам 25 роликов MrBeast, MKBHD, Johnny Harris, Vox, Kurzgesagt и других и взял оттуда только приёмы монтажа.
4. Надпись за спиной ведущего. Крупное слово или цифра между фоном и человеком. Работает только на Mac и только на среднем плане: на крупном лице надпись почти не видно.
5. Пометка «ведущий создан ИИ». Автор ставит её на каждый ролик, сцены и животных помечает как сгенерированные.

1. Проверка окружения. Есть ли подключение к Renoise, ffmpeg и распознавание речи. Что уже стоит, агент пропускает.
2. Диагноз и стиль. Одной строкой оценивает твой материал, предлагает 2 стиля из 5 с картинками-превью и задаёт вопросы одним заходом: стиль, формат и длина, насколько ярко оформлять субтитры, кто ведущий.
3. Сценарий. Пишет текст и режет его на куски не длиннее 15 секунд.
4. Смета и твоё «да». Называет число кусков, секунды, кредиты и остаток на счёте и ждёт согласия. Сначала делает один кусок, чтобы ты проверил голос, потом остальные.
5. Генерация. Говорящие куски делает модель Grok Video 1.5 через сервис Renoise. Если нужен ведущий в студии или магазине, сначала собирает такую картинку.
6. Проверка кусков. Каждый кусок расшифровывает и сверяет со сценарием, смотрит по 4 кадра. Модель иногда сама впечатывает субтитры в картинку - такой кусок переснимает.
7. Один голос. Выравнивает тембр, убирает свист шипящих, кладёт общую лёгкую комнату и громкость, чтобы десятки кусков звучали как одна запись.
8. Монтаж. Раскладывает слова по времени и собирает ролик в Remotion по шаблону стиля, с оформлением по умолчанию и твоими правками.
9. Финальная проверка. Смотрит кадры на переходах и выставляет громкость.

Стиль агент предлагает сам, но удобно прийти с ответом. Названия - наш перевод:

С чего начать разговор с агентом:

Используй мой скил цифрового ведущего: сделай ролик на 30 секунд о том, как снять рилс за вечер. Вертикально, с яркими субтитрами.

Сделай ролик на 3 минуты с разбором: почему этот сервис стал популярен. С графиками и карточками глав.

Поставь крупную цифру за спиной ведущего. Добавь в начало короткий анонс того, что будет дальше.

Полностью автор проверил скил в Claude Code. В Codex, по его словам, должен работать так же, в OpenClaw и WorkBuddy - скорее всего. В Claude на сайте и в приложении работают только сценарий, смета и генерация: монтажу нужны команды на компьютере.

git clone https://github.com/andyhuo520/digital-human-koubo.git
cd digital-human-koubo

mkdir -p ~/.claude/skills && cp -R skills/digital-human-koubo skills/finance-explainer ~/.claude/skills/

mkdir -p ~/.codex/skills && cp -R skills/digital-human-koubo skills/finance-explainer ~/.codex/skills/

3. Аккаунт Renoise. Заводится на renoise.ai, вход через браузер, ключ API вставлять не нужно. Подключение в Claude Code:

/plugin marketplace add ArcoCodes/renoise-plugins-official
/plugin install renoise@renoise-plugins-official

4. Программы на компьютере - для скачивания, проверки и монтажа:

1. ffmpeg - на Windows winget install Gyan.FFmpeg.
2. Python 3 - winget install Python.Python.3.12, потом отдельной командой пакеты: python -m pip install numpy pillow.
3. Node.js 18 или новее для Remotion - winget install OpenJS.NodeJS.LTS.
4. whisper.cpp и модель ggml-medium-q5_0.bin - распознавание речи для проверки кусков.

bash ~/.claude/skills/digital-human-koubo/scripts/doctor.sh

Это команда для bash. На Windows запускай её в Git Bash - скрипт распознаёт его и подсказывает команды под Windows. В PowerShell она не сработает.

1. Лицо прямо, ровный свет, волосы не закрывают лицо, рот закрыт.
2. Только своё фото или фото человека, который разрешил. Чужие лица и знаменитости - нельзя, это правило автора.
3. Четыре ракурса. Агент делает лист «спереди, два бока, сзади», чтобы лицо не плыло с разных сторон. Это тоже траты кредитов.
4. Сравнение моделей. Одна и та же фраза на 8 секунд в двух моделях - выбираешь, какая похожа и звучит лучше.

1. Кредиты Renoise. Тратятся на говорящие куски и картинки сцен. Автор приводит расход по своим прогонам в README, но просит сверяться со сметой агента: цены сервиса меняются.
2. Языки. Проверены английский, японский, корейский, французский, испанский и арабский. Русского в списке нет, как он звучит и попадает ли в губы - неизвестно. Базовая ведущая автора по умолчанию говорит по-китайски (так задано в persona.json), поэтому русский надо проверять самому на первом куске.
3. Свой голос. По желанию - синтез или клон голоса через Xiaomi MiMo, нужен ключ API. Чужой голос сдвигает губы примерно на десятую долю секунды: в маленьком окне не видно, на крупном плане заметно.
4. Только Mac - для надписи за спиной ведущего. Остальное работает на Windows, Mac и Linux.

1. Репозиторий digital-human-koubo и README, Berryxia (andyhuo520), лицензия MIT.
2. SKILL.md - сами инструкции агенту, на китайском.
3. THIRD_PARTY.md - сторонние компоненты и платные сервисы.