leoyishou 数字人视频生成工具 (OmniHuman1.5)
通过火山引擎 OmniHuman1.5 API 生成数字人说话视频。输入一张IP形象图片和一段音频,输出数字人口型同步的说话视频。
⚠️ 重要说明
API 要求使用 URL 参数：图片和音频必须是公开可访问的 URL。本地文件需要先上传到 Supabase Storage。
快速开始
环境配置
- 设置火山引擎 AK/SK：
export VOLC_ACCESSKEY="your_access_key"
export VOLC_SECRETKEY="your_secret_key"
- 配置 Supabase（用于上传本地文件）：
export SUPABASE_URL="https://your-project.supabase.co"
export SUPABASE_KEY="your-service-role-key"
export SUPABASE_BUCKET="video-magic"
使用 URL（推荐）
cd .claude/skills/digital-human
uv run python scripts/digital_human.py \
--image-url "https://your-storage.com/avatar.png" \
--audio-url "https://your-storage.com/speech.mp3"
使用本地文件（自动上传到 Supabase）
uv run python scripts/digital_human.py \
--image "path/to/avatar.png" \
--audio "path/to/speech.mp3"
添加提示词控制动作
uv run python scripts/digital_human.py \
--image-url "https://..." \
--audio-url "https://..." \
--prompt "人物微笑,轻微点头"
命令行参数
| 参数 | 说明 | 默认值 |
|---|---|---|
| --image | 本地图片路径（自动上传） | - |
| --image-url | 图片URL（推荐） | - |
| --audio | 本地音频路径（自动上传） | - |
| --audio-url | 音频URL（推荐） | - |
| --prompt | 提示词(控制动作、表情) | 无 |
| --output | 输出视频路径 | output/digital_human_[timestamp].mp4 |
| --width | 输出视频宽度 | 自动（根据输入图片） |
| --height | 输出视频高度 | 自动（根据输入图片） |
| --vertical | 竖屏快捷方式 (1080x1920) | false |
| --callback-url | 回调URL | 无 |
| --no-download | 不下载视频,只输出URL | false |
| --no-query | 不查询状态,仅提交任务 | false |
| --poll-interval | 轮询间隔秒数 | 30 |
| --max-polls | 最大轮询次数 | 20 |
| --debug | 保存调试信息 | false |
输出尺寸控制
默认情况下，输出视频尺寸根据输入图片自动计算，可能导致人物被裁剪。
推荐：使用 --vertical 生成竖屏视频
# 生成 9:16 竖屏视频 (1080x1920)
uv run python scripts/digital_human.py \
--image-url "https://..." \
--audio-url "https://..." \
--vertical
# 自定义尺寸
uv run python scripts/digital_human.py \
--image-url "https://..." \
--audio-url "https://..." \
--width 1280 --height 1920
常用尺寸预设：
| 用途 | 宽度 | 高度 | 比例 |
|---|---|---|---|
| 抖音/TikTok | 1080 | 1920 | 9:16 |
| 视频号 | 1080 | 1920 | 9:16 |
| B站横屏 | 1920 | 1080 | 16:9 |
| 正方形 | 1080 | 1080 | 1:1 |
工作流程
上传文件（如使用本地文件）
- 自动调用 supabase-upload skill 上传到 Supabase Storage
- 获取公开访问 URL
提交任务
- 使用
image_url和audio_url参数调用 CVSubmitTask - 返回 task_id
- 使用
轮询结果
- 每 30 秒调用 CVGetResult 查询状态
- 状态为
done时获取 video_url
下载视频
- 自动下载到 output 目录
支持的输入格式
图片
- 格式: PNG, JPG, JPEG
- 建议: 正面照,面部清晰
- 支持: 真人、动漫、宠物等
音频
- 格式: MP3, WAV, M4A
- 建议: 清晰的人声,时长 5-60 秒
技术细节
- API端点:
https://visual.volcengineapi.com - Action:
CVSubmitTask/CVGetResult - Version:
2022-08-31 - req_key:
jimeng_realman_avatar_picture_omni_v15 - 认证: 火山引擎 HMAC-SHA256 签名
- 参数格式:
image_url+audio_url（不是 base64）
故障排查
错误 50215 "Input invalid for this service"
- 原因: 使用了 base64 参数而不是 URL 参数
- 解决: 确保使用
image_url和audio_url
图片/音频 URL 无法访问
- 原因: Supabase bucket 未设为 public
- 解决: 在 Supabase Dashboard 设置 bucket 为 Public
其他问题
- 确认 AK/SK 已正确设置
- 确认 Supabase 配置正确
- 检查图片是否为清晰的正面照
- 检查音频是否为清晰的人声