数字人口播实战攻略 ✍ Rachel🕐 2026-07-17📦 7.6 KB 🟢 已读 𝕏 文章列表 文章介绍了如何利用 MiniMax 和 HeyGen 制作数字人口播视频的完整流程，并封装为 Codex Skill 实现自动化。详细讲解了声音克隆、画面驱动、素材准备及 API 调用技巧，特别强调先生成 15 秒样片以降低风险，适合知识口播和短视频批量生产。 数字人MiniMaxHeyGenCodexSkill视频生成自动化工作流API短视频 # 99% 的人没看出来的数字人口播实战攻略 **作者**: Rachel **日期**: 2026-07-16T11:53:26.000Z **来源**: [https://x.com/Zesee/status/2077723280534851786](https://x.com/Zesee/status/2077723280534851786) ---  昨天发了一条数字人讲 FDE 的口播视频，很多人的第一反应不是问我用了哪个工具，不相信这真的是数字人。我把整条数字人口播流程做成了一个可以复用的 Codex Skill。 GitHub 仓库：https://github.com/Jingyi-Wu-Richael/rachel-digital-human-production 我的最终工作流是： 素材检查 → MiniMax 生成配音 → HeyGen 15 秒样片 → 人工确认 → HeyGen 完整版 → 下载验片 → 状态归档 这套方案适合知识口播、短视频批量生产、课程讲解、产品介绍、多语言内容和固定 IP 数字人账号。  ## 一、整条链路怎么分工 这套方案的核心，是把声音和画面拆开。 - MiniMax：负责声音克隆和 TTS。 - HeyGen：负责人像驱动、口型、表情和动作。 - Codex：负责检查素材、调用流程、记录状态、控制风险。 完整链路是： 1. 准备真人录音，用 MiniMax 海外版克隆声音。 2. 把文案交给 MiniMax TTS，生成克隆音色的 MP3。 3. 准备一张清晰正面人像。 4. 把人像和 MiniMax 生成的 MP3 上传到 HeyGen。 5. 先生成 15 秒样片，确认后再生成完整视频。 这里最容易犯的错是：声音已经由 MiniMax 克隆完成，却又让 HeyGen 重新配音。 如果目标是保留 MiniMax 的克隆音色，就应该把 MiniMax 生成的音频上传到 HeyGen，用这个音频驱动画面。不要切回 HeyGen 的 `script + voice_id` 方案，否则声音相似度会被覆盖。 ## 二、HeyGen和 Minimax 模式怎么选 第一次操作，建议直接用 `Image-to-Video`，调用api key即可，一次2min的视频大约消耗2刀。 它比较轻：不用一开始就训练 Avatar，只要上传一张人像和一段音频，就能快速看到口型、表情、脸部稳定性和构图是否可用。 我的建议： - 单条测试：先用 Image-to-Video。 - 固定账号长期生产：再做 Photo Avatar。 - 没验证前不要急着训练 Avatar，测试阶段越轻越好。 再说 MiniMax，我的建议： - 第一次测试：用海外版 Voice Clone 克隆声音，再用 TTS 生成 MP3。 - 追求质量：优先选 `speech-2.8-hd`。 - 追求速度和批量预览：可以用 `speech-2.8-turbo` 先跑测试。   ## 三、素材准备：不用复杂，但必须干净 声音克隆效果不好，很多时候不是模型不行，而是样本不干净。 MiniMax 当前官方要求里，声音样本需要满足： - 格式：MP3、M4A 或 WAV。 - 时长：至少 10 秒，最多 5 分钟。 - 文件大小：不超过 20 MB。 - 可选提示音频：少于 8 秒，并且要提供与音频完全对应的文字。 实操里我更建议录 30 到 90 秒：单人、无背景音乐、无明显混响和电流声，音量稳定，语速接近日常口播，不要用过度降噪、变速或压缩严重的二手音频。  人像也一样，要干净： - 正脸看镜头，五官无遮挡。 - 露出头、肩和上半身，人物占画面约 50% 到 70%。 - 嘴部清晰，不要被头发、手、滤镜遮挡。 - 竖屏短视频优先用 9:16 或接近 9:16 的图片。 - HeyGen Assets API 支持 PNG、JPEG 图片；普通素材上传单文件上限为 32 MB。 嘴部越清晰，口型越稳定；声音越干净，克隆越像本人。  ## 四、怎么放进 Codex 执行 我会把每个数字人项目都按同一个目录结构放： ``` project/ ├── inputs/ │ ├── portrait.jpg │ ├── voice-source.mp3 │ └── script.md ├── work/ │ ├── voiceover-full.mp3 │ ├── preview-15s.mp3 │ └── job-state.json └── outputs/ ├── preview-15s.mp4 └── final-1080p.mp4 ``` 然后对 Codex 说： ```text 请用 MiniMax 海外版声音克隆和 HeyGen API 制作数字人口播。 输入： - 文案：inputs/script.md - 人像：inputs/portrait.jpg - 声音样本：inputs/voice-source.mp3 - MiniMax 密钥来自环境变量 MINIMAX_API_KEY - HeyGen 密钥来自环境变量 HEYGEN_API_KEY 流程： 1. 先检查素材。 2. 先生成 15 秒样片。 3. 样片确认后再生成完整版。 4. 所有任务 ID 写入 work/job-state.json。 5. 不要在日志、脚本或文档中显示完整密钥。 ``` 这一步的重点是标准化。 你不需要相信自己每次都记得所有细节。你只需要把正确流程写进 Skill，让 Codex 每次按流程执行。 ## 五. 这个 Skill 固定了什么 仓库地址： https://github.com/Jingyi-Wu-Richael/rachel-digital-human-production 调用方式： ```text 用 $rachel-digital-human-production 做这条视频，先只做 15 秒样片。 ``` 它固定了： - 固定目录结构。 - 先检查文案、人像和声音样本。 - MiniMax 负责声音，HeyGen 负责画面。 - 永远先生成 15 秒样片。 - 样片没有明确确认，不生成完整版。 - 每一步记录 `voice_id`、`asset_id`、`video_id` 和状态。 - 失败不盲目重试，避免重复扣费。 - 最终 MP4 必须完整检查。 - 不把 API Key、授权 header、临时下载链接写进日志或状态文件。 ## 六、小tips 数字人视频最容易踩坑的地方，是成片不自然。 常见问题包括：声音不像本人、中文口型跟不上、脸部轻微变形、嘴角和下巴运动奇怪、眨眼和肩部动作不自然、构图不适合短视频平台。 所以我把“15 秒样片”写成强制步骤。先用 15 秒确认声音、口型、画面和构图。确认没问题，再跑完整视频。 相关链接： - GitHub 仓库：https://github.com/Jingyi-Wu-Richael/rachel-digital-human-production - MiniMax Voice Clone 官方文档：https://platform.minimax.io/docs/guides/speech-voice-clone - HeyGen Image to Video 官方文档：https://developers.heygen.com/image-to-video - HeyGen Assets 官方文档：https://developers.heygen.com/assets ## 相关链接 - [Rachel](https://x.com/Zesee) - [@Zesee](https://x.com/Zesee) - [35K](https://x.com/Zesee/status/2077723280534851786/analytics) - [https://github.com/Jingyi-Wu-Richael/rachel-digital-human-production](https://github.com/Jingyi-Wu-Richael/rachel-digital-human-production) - [https://github.com/Jingyi-Wu-Richael/rachel-digital-human-production](https://github.com/Jingyi-Wu-Richael/rachel-digital-human-production) - [https://github.com/Jingyi-Wu-Richael/rachel-digital-human-production](https://github.com/Jingyi-Wu-Richael/rachel-digital-human-production) - [https://platform.minimax.io/docs/guides/speech-voice-clone](https://platform.minimax.io/docs/guides/speech-voice-clone) - [https://developers.heygen.com/image-to-video](https://developers.heygen.com/image-to-video) - [https://developers.heygen.com/assets](https://developers.heygen.com/assets) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [7:53 PM · Jul 16, 2026](https://x.com/Zesee/status/2077723280534851786) - [35.6K Views](https://x.com/Zesee/status/2077723280534851786/analytics) - [View quotes](https://x.com/Zesee/status/2077723280534851786/quotes) --- *导出时间: 2026/7/17 09:19:27*
T Talking-Head-Recut Skill：AI 驱动的视频自动剪辑与动图文案同步 文章介绍了 HyperFrames 项目中的 `/talking-head-recut` Skill，该功能利用 AI Agent 读取文字记录，自动为视频添加与语音同步的动态图形。演示流程包含：AI 自动调研撰写脚本、通过 HeyGen CLI 调用虚拟数字人生成视频、提取网页设计风格以及自动添加字幕和配乐。整个过程无需人工剪辑，展示了 AI 在视频自动化生产领域的强大能力。 技术 › Skill ✍ HeyGen🕐 2026-07-12 HeyGen视频生成AIAgent自动化动效设计CLIHyperFrames视频剪辑数字人工作流
装 装完 Codex 不知道干什么？这 6 个 GitHub Skills 让你做视频搞钱 文章介绍了 6 个适用于 Codex 的 GitHub Skills，涵盖动效生成、视频剪辑、批量制作、AI 生成及中文剪辑等工具，帮助用户构建自动化视频工作流以提升效率。 技术 › Codex ✍ Kay🕐 2026-07-30 Codex视频制作AgentSkill自动化HyperFramesRemotionAI剪辑工作流
我 我把 TikTok 运营塞进了 Codex：选品、拆账号、找达人，一句话跑完整个流程 作者将 TikTok 运营工作流封装成 Codex Agent Skill，结合达人精灵 MCP 数据，实现选品、账号诊断、类目研究和增长规划的自动化。文章详细介绍了四个核心技能的安装、配置及具体 Prompt 使用方法，解决了 AI 运营中的幻觉与流程混乱问题。 技术 › Agent ✍ Aron厚玉🕐 2026-07-28 TikTok运营CodexSkillMCP自动化选品达人营销Agent技能工作流数据分析
C Codex + Hyperframes + HeyGen +声音克隆：零基础自媒体变现全开源 作者分享了利用 Codex、Hyperframes、HeyGen 和 IndexTTS2 等工具构建的自动化视频工作流，实现了零基础、低成本的短视频制作与变现。文章详细介绍了各工具的选型理由、工作流架构及成本账单，旨在帮助读者通过 AI 技术解决内容生产的效率问题。 技术 › 工具与效率 ✍ 雪踏乌云🕐 2026-07-27 AI自媒体视频制作HeyGen声音克隆CodexHyperFrames自动化变现工作流
我 我是如何用 Codex 做自己的个人IP生图工作流的 作者分享了如何利用 Codex 构建个人 IP 生图工作流的经验。通过借鉴优秀项目，将思路从拼图改为拼提示词，开发了封面图和段落图两个 Skill。文章详细介绍了风格确定、人物特征锚定、内容总结及安全区适配等优化过程，强调了 AI、代码与人在工作流中的职责分工。 技术 › Codex ✍ naiyue777🕐 2026-07-26 CodexAI绘图个人IP工作流Skill自动化设计开源项目
打 打造爆款短视频的AI Agent实战 作者分享了如何构建一个能自动制作爆款视频的AI Agent。该代理通过分析数据寻找热门格式，利用Kimi、Seedance等工具自动完成脚本、剪辑和分发，并根据反馈自我优化。月成本仅111美元，收入达14700美元，实现了全自动化的内容生产闭环。 技术 › Agent ✍ Fokki🕐 2026-07-23 AI Agent短视频自动化KimiSeedance变现工作流视频生成
H HyperFrames Storyboard: 掌控 AI 视频输出的分镜流程 文章介绍了 HyperFrames 的新功能 Storyboard，通过模仿电影制作中的分镜流程，让 AI 在生成视频前先制定计划、草图和布局，允许用户在低成本阶段进行修改和指导，从而提高视频生成的可控性和效率。 技术 › AI视频 ✍ HeyGen🕐 2026-07-23 AI视频分镜HyperFramesHeyGen自动化工作流视频生成
图 图书解读视频制作教程与实践案例 文章介绍了如何利用 Codex、AI 图片、AI 配音和 HyperFrames 制作 60-90 秒的中文图书解读短视频。作者以《活着》为例，详细分享了选书、脚本写作、图片生成约束、声音选择、字幕对齐及剪辑转场等全流程，并将经验封装成 Skill，为想做自媒体的人提供了一条不露脸、低门槛的内容创作路径。 技术 › Skill ✍ Smartpig🕐 2026-07-21 AI视频图书解读CodexHyperFrames自媒体工作流自动化AIGC短视频教程
用 用Codex做自媒体，我建议你先装好这10个Skill 本文推荐了10个Codex Skill，覆盖自媒体创作全流程：选题、素材、创作、设计、发布及复盘。这套工具链能帮助新手将重复性工作自动化，构建高效的内容生产流水线，但账号成功仍需依赖个人选题判断与持续输出。 技术 › 工具与效率 ✍ zhouluobo🕐 2026-07-19 Codex自媒体AI工具Skill工作流Agent自动化内容创作效率复盘
有 有嘴就行！AI一键生成小红书和公众号内容的自动化工作流 本文介绍了如何利用 AI 将一篇长文自动转化为适配小红书和公众号的“内容发布包”。作者详细阐述了从 Brief 撰写、图文卡片拆解、图片生成到公众号文章改写的全流程，并提供了封装好的开源 Skill 和具体 Prompt，旨在帮助创作者实现跨平台内容的高效生产与分发。 技术 › Agent ✍ Kimberly🕐 2026-07-12 AI工具小红书公众号内容创作工作流自动化PromptCodexSkill开源
A AI 视频创作的新范式：Codex + Remotion 文章探讨了将视频制作转化为代码工程的“视频即代码”新范式。通过结合 Codex（负责编写和迭代代码）与 Remotion（负责 React 组件渲染视频），创作者可以实现视频的组件化、参数化和版本控制，解决高频生产中的可控性与复用难题。文章详细介绍了工作流、工具链选型、项目结构搭建以及避坑指南，强调了从单次生成向系统化生产转变的重要性。 技术 › Codex ✍ 知识猫图解🕐 2026-07-03 视频生成RemotionCodex视频工程工作流AI创作React自动化组件化Agent
把 把 Codex 变成内容工厂：7 类创作者 Skill 配置表 本文针对不同类型的创作者（如公众号长文、小红书图文、短视频、知识付费、商业广告等），推荐了对应的 Codex Skill 配置清单。文章列出了每个方向所需的 10 个核心技能，旨在帮助用户搭建高效的内容生产工作流，涵盖资料整理、设计辅助、视频剪辑、课程制作及客户转化等场景。 技术 › Codex ✍ Ando｜AI自救实验🕐 2026-06-17 CodexSkill内容创作工作流AI工具小红书短视频知识付费带货效率提升