我把打磨数周+花费数千美金的数字人工作流Skills直接免费开源给大家！（含地址）

干活直接暴击👇🏻

1. Renoise MCP注册：Renoise MCP 安装

2. 项目地址：github.com/andyhuo520/digital-human-koubo

刚刚给大家发布了视频版的数字人制作的教程，也同时给大家带来了图文版，方便有些朋友阅读和查看。

嵌入推文（联网查看）

这条 27 秒的直播间广告里，主播不存在。

嵌入推文（联网查看）

脸、声音、直播间、花字、价格动画，全是 AI 做的。

我只说了一句话：「用这个数字人做一条 30 秒直播间广告，卖 WorkBuddy 上手课，10 节课 99 元，原价 999。」

剩下的，交给一套 Skill。

这是第三版工作流。前两版踩过的坑，全写进去了。

先说结论

• 环境：已经装好的跳过，缺什么才教你装

• 形象：一张照片，要进什么场景就合成什么场景

• 风格：AI 先看内容，推荐 2 种，你选一个

• 生成：先报价，先拍第 1 段，满意再批量

• 质检：逐段回听 + 抽帧，烧了字幕的段重拍

• 包装：48 个组件，拆自 25 支头部博主的视频

• 出片：看过渡中间帧，响度对齐平台

第一步：接好工具，有就跳过

Skill 做的第一件事，是查 Renoise 连没连上。

连上了，它只说一句「余额 X 积分」，直接开工。

没连上，它按你正在用的工具给装法，其余Agent 比如wokrbuddy也可以直接丢给它mcp地址，告诉Agent帮你安装即可：

• Claude 桌面端：设置 → 连接器 → Add custom connector，地址填：

https://renoise.ai/api/public/mcp

• Claude Code：依次粘贴这两行

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

• Codex：

codex mcp add renoise --url https://renoise.ai/api/public/mcp
codex mcp login renoise

本机剪辑要用 ffmpeg、Python、Node、whisper。

跑一次 doctor.sh：有的打勾跳过，缺的按 macOS / Windows / Linux 各给装法。

第二步：一张照片，进任何场景

数字人的脸，固定在一张参考照里。

要进直播间，就让 GPT Image 把人和场景合成一张开场画面：2k，23 积分。

这次我多加了一句：中景，头顶留白，两侧留出背景。

后面要把价格放到她身后，这一步就得提前留好位置。

第三步：先选风格，再写稿

同一段内容，做成财经解说和做成直播带货，稿子、节奏、成本全都不一样。

所以 Skill 先诊断内容，再推荐风格：

• A 小林式解说：事件、数据、「为什么」

• B 网红花字口播：安利、带货、种草

• C 发布解读：新品、新模型

• D 保姆级教程：几步做出 XX

• E 多主播多语言：能力展示、出海

然后一次问完：风格、比例时长、花字强度、主播。回一句「你定」，就按推荐走。

这条广告：B，9:16，30 秒以内，花字用「热闹」档。

第四步：稿子切成 15 秒以内

Grok 单段最长 15 秒，中文实测约 5.4 字/秒。

这条广告一共 5 段：

• 钩子：家人们！一节课不到十块钱，教你让 AI 帮你干活！

• 产品：这是 WorkBuddy 上手课，零基础也能学，十节课带你从零上手。

• 卖点：写方案、做表格、整理会议纪要，一句话交给 AI 就搞定。

• 价格：原价九百九十九，今天直播间下单，只要九十九！

• 号召：点下方小黄车，现在下单就是九十九！

优惠只写我给的两个数。没给的赠品、限时、限量，一个都不编。

第五步：先报价，先拍第 1 段

生成之前，它先报价：5 段、27 秒、459 积分，加场景图 23，合计 482。

我点头，它才开始。

而且只先拍第 1 段。脸、声音、口型都看过了，再批量剩下 4 段。

第六步：回听 + 抽帧，两道质检

第一道：whisper 逐段转写，和稿子比对。

有两段准确率只有 63% 和 80%。我去听了，没念错，是识别器把「九百九十九」写成了「999」。

第二道：每段抽 4 帧看一眼。

这一步是被坑出来的。Grok 偶尔会自己往画面里烧字幕，提示词写了 no subtitles 也挡不住。

【插图：03_烧字幕的坑.jpg】

遇到就重拍那一段。这次 5 段都是干净的。

第七步：包装，从 25 支头部博主那里拆

这一版最大的升级在这里。

我拆了 25 支视频：MrBeast、Mark Rober、MKBHD、影视飓风、何同学、Johnny Harris、Vox、Kurzgesagt、半佛、差评、毕导……

逐帧量了节奏：

【插图：04_头部博主节奏.jpg】

结论只有一句：切数可以低，刺激不能断。前 30 秒，每 3–5 秒要有一个新东西出现。

我把拆出来的手法，做成了 48 个组件：数字钉子、证据截图、地图航线、弹幕、投票、复盘板、玻璃数据面板……

【插图：05_包装组件图鉴.jpg】

每种风格自带一套默认包装。想加减，直接说：「开场加个预告」「这里加几条弹幕」。

这条广告每段用了什么：

• 钩子：「¥9.9/节」数字钉子 + 弹幕替观众质疑

• 产品：WorkBuddy 图标 + 关键词三连

• 卖点：主播缩成小窗，3 张课程实录截图跟着口播切

• 价格：¥999 滚到 ¥99，数字在她身后

• 号召：手绘箭头指向小黄车

【插图：06_广告逐段包装.jpg】

第八步：景深字，让数字站到人身后

价格那一段，用的是这次新加的效果。

做法是三层：原视频在最底下，大字在中间，抠出来的人在最上面。

抠像用 macOS 自带的 Vision 人像分割，逐帧出遮罩，再合成带透明通道的视频。只抠用到的那 5 秒，24 秒跑完。

【插图：07_景深字三层.jpg】

说实话，有个坑：这个效果不适合自拍特写。

特写里人占了画面的 89%，字全被挡住。中景只占 57%，字才露得出来。

所以现在 Skill 会提醒：人像超过 60%，换中景，或者换别的组件。

【插图：08_特写对比中景.jpg】

第九步：出片前，看过渡帧

最后一道检查，看的是过渡中间那几帧。

这次就抓到一个：价格最后停在了 ¥100，不是 ¥99。

原因是缓动曲线只走到 99.9，四舍五入多了 1。现在动画一结束，会强制落在精确值上。

成片 1080×1920，26.8 秒，响度 -14 LUFS。

这条广告花了多少

• 直播间场景图：23 积分

• 5 段口播（720p，共 27 秒）：459 积分

• 声音统一、抠像、剪辑：0（全在本机跑）

合计 482 积分。

以前做一条直播带货广告，要主播、要灯、要场地、要剪辑师。

现在要的是一张照片，和一套记得住所有坑的流程。