本文是一篇豆包桌面端的保姆级教程，详细介绍了豆包从聊天AI进化为AI Agent后的各项功能。包括安装登录、左侧导航的7个主入口（新工作任务、新对话、定时任务、技能·连接器·伙伴、手机遥控电脑、云盘、更多）、底部对话模式（对话、视频生成、帮我写作、图像生成、PPT生成、解题算题、音乐生成、更多）、工作任务模式（+号、工作任务、项目、按需确认、技能、连接器、模型与推理强度）以及免费与付费方案。文章还分享了使用技巧和避坑指南，帮助打工人充分利用豆包提升工作效率。
作者分享使用AI视频深度动作捕捉功能制作动作大片的保姆级教学。通过将参考视频（如只狼boss战、成龙电影、蔡徐坤多人舞蹈）转换为白模（无贴图的灰模），剥离与动作无关的信息，只保留人物位置、运动轨迹和机位轨迹，让AI模型不再需要猜测细节。再通过角色绑定和精细提示词，将新角色素材照着白模动作'演绎'，实现精准复刻。实测显示该方法大幅降低抽卡次数，多人舞蹈的人物数量与队形也能保持稳定，让AI生成视频具备可控性，并附上完整提示词模板供读者参考。
作者分享了使用Codex成功跑通动画视频生成流程的经验。该方案利用免费模型生成动画视频，解决了传统视频模型成本高、电脑卡顿、约束难等痛点。目前流程已基本走通，但模板化输出仍不够稳定，需通过额外对话修改细节。作者计划先在国内平台发布以防被盗，后续期望优化至实习生可直接上手，实现自动化产出高质量动画科普视频及获客线索。
文章介绍了美团开源的数字人项目 InfiniteTalk，指出其功能强大且被严重低估。该项目实现了图片与音频的精准同步（包括口型、头部和身体动作），支持照片生成视频和视频配音替换。底座采用 Wan 视频模型，技术细节包含关键帧刷新策略以保持画面稳定。项目硬件门槛较高（24G 显存），但商用协议友好，安装便捷。
本文介绍了利用开源项目 Pixelle-Video 快速复刻抖音热销数字人 Agent 的过程。该项目通过模块化设计（文案、画面、语音、合成）整合了 LLM、ComfyUI 和 TTS 技术，实现了从脚本到成片的自动化视频生产。
