开源 Agent 技能 digital-human-koubo 发布：一张照片加一句话，让 Claude Code 等智能体自动做数字人口播视频
10 月 26 日开源（MIT 协议）的 digital-human-koubo 是一套 Agent 技能，把写稿、数字人对口型生成、逐段质检、声音统一、字幕和包装剪辑串成一条流程交给 Claude Code 等智能体执行；视频片段通过第三方 Renoise 平台生成并按积分计费，生成前会先报价等用户确认。项目上线一天在 GitHub 获得七百多星。
开发者 andyhuo520 于北京时间 10 月 26 日在 GitHub 开源了 digital-human-koubo，采用 MIT 协议，一天内收获七百多个星标。它不是独立软件，而是一套标准格式的 Agent 技能（一个 SKILL.md 加 Python、Shell 和 Remotion 脚本），装进智能体后，用户给一张人物照片和一句需求，智能体就按流程把一条带字幕和包装的数字人口播视频做出来。
按项目说明，可以核对的要点有：
- 流程分步、先报价再生成：智能体先诊断内容、从 5 种剪辑风格里推荐 2 种并一次问清比例时长等选项，再把稿子切成每段不超过 15 秒；生成前报出段数、秒数和积分，用户确认后先出第 1 段给人看，没问题再批量生成其余片段；
- 生成依赖第三方平台：口型片段默认通过 Renoise 的 MCP 服务调用 Grok Video 1.5 生成，场景合成用 GPT Image，按用户自己账户的积分计费，具体单价以实时报价为准；
- 自动质检和声音处理：每段用 whisper 转写回听、与稿子比对，并抽帧检查是否被模型自行烧入字幕；多段音频会做频谱匹配、去齿音和响度统一，让分段生成的声音听起来像一次录完；
- 包装组件：作者参照多位中外知识类博主的视频节奏，整理出 48 个包装组件（数字强调、数据面板、弹幕、地图路线等），「文字在人物身后」效果需要 macOS，其余部分跨平台；
- 适用智能体：作者称在 Claude Code 上实测可用，Codex、OpenClaw、WorkBuddy 等能加载技能、连接远程 MCP 并执行本地命令的智能体理论上也能跑；只能聊天、不能执行本地命令的产品只能完成写稿和生成环节。
项目说明还写明了使用约束：只用本人或已获明确授权的人脸和声音，不冒充真实人物；成片标注「内容由 AI 数字人演绎」；画面里不编造数字、价格和评价。
对创作者意味着什么： 对想用数字人做知识讲解、产品介绍类口播的个人创作者，这套开源流程把过去要分别在生成平台、剪辑软件里手动完成的步骤交给智能体串起来，而且「先报价、先出一段再批量」的设计能减少积分浪费。但它对动手能力有要求，需要会装技能、配 MCP 和 ffmpeg 等环境，生成环节仍需付费；数字人内容在各平台都应主动标注 AI 生成，并且只用自己或已授权的形象和声音。项目刚上线不久，正式使用前建议先用短稿试跑一遍。
信息来源：GitHub · andyhuo520/digital-human-koubo（本文为编辑整理改写）
