laohan-laowai — 老外博主复刻数字人全流程
使命与合同
用老外的脸+外国独特教育/文化内容,做中国家长/观众共鸣的数字人爆款。本 skill 是总控:七阶段端到端,全自动(API 直调,不上网页)。首个实战案例:~/Documents/laowai/1chengzhang(海思博士账号,Deborah 形象)——细节合同以该项目 docs/ 为准。
七阶段流程
① 博主选型与资料包
- 选型标准:教育者可信度 > 第一视角口播形态(talking head,非 vlog/skit/旁白)> 数据 > 类型差异
- 下载 5-8 条视频(laohan-xiazai:TikTok 用 yt-dlp 直下)+ info.json 元数据
- 口播形态逐帧验证(抽帧+视觉模型确认正脸对镜头说话;抽帧落在无字幕间隙≠干净,必须多点验证)
- 合规决策先行:形象克隆+虚构新身份(绝不冒用真人姓名/履历);起号期灰色可接受、商业化前换纯生成
② 声音模型(硬性前置,唯一方法=服务器微调)
调用 skill laohan-yinse:8-10 分钟素材 → pro6000-a 服务器 CosyVoice3 微调 → 模型回迁。视频生成前必须完成,否则声音违和。
③ 形象素材处理
- 硬门槛(laohanagent 官方):竖版(高>宽)/短边≥720p/时长≥8s(推荐 30-60s,越长越好)/≤30fps/MP4/<200MB
- 字幕必须去除(会被引擎复制进成片):博主视频普遍带字幕 → 底部 crop 或换无字幕条;多点抽帧验证(首/中/尾/多段)
- 转码 h264;处理实录与判例参照项目 docs/dh-production-guide.md
④ 形象与声音资产(复用已有素材,不走产品注册)
- 形象素材:已有博主视频直接复用(prepare 前多点抽帧验证全程同一正脸;开头 B-roll 插入画面必须掐掉——见⑤坑)
- 声音:laohan-yinse 微调模型整稿合成(见②调用,24kHz PCM16 WAV 由 yinse 第 7 步产出)
产品 avatar-assets/voice-assets API 注册已淘汰(2026-10-28):那是产品网页向导链(零样本参考录音+29积分/次渲染),与本 skill 的 same-voice 路线互斥,且违反"声音不走零样本"红线。历史踩坑记录(MIME 显式 type / consentVersion=voice-reference-v2 / loudnorm 电平门禁)仅当未来确需产品链时参考。
⑤ 同声口型渲染(DH-ROUTE 路线④,2026-10-28 实战验证——唯一正确流程)
方法真源:~/Documents/laohanvideo/motion/mastery/DH-ROUTE.md + motion/tools/README-same-voice.md(本节只是入口索引,冲突以真源为准)。
不走的路(都验证过不是正路):产品 lease/operations 报价链(29积分/次,网页向导已淘汰)、ispeech 图+音频(另一条产品链)、直控生产 worker。
① 最终 WAV:音色模型在 pro6000-a 合成整稿(laohan-yinse 流程)→ 24kHz 单声道 PCM16
② 形象素材:已有素材直接复用(无需产品订单)
③ Mac prepare:python3 motion/tools/same-voice-local.py prepare \
--audio <24k.wav> --avatar <形象.mp4> --max-input-frames 180 --out <全新目录>
④ validate manifest → 上传 manifest/inputs/chunks/run-same-voice-remote.py 到
pro6000-a:/root/autodl-tmp/laohan/motion-same-voice/<小写实验名>/
⑤ 预检(无 --run)→ 真跑:--run(total_timeout 3600s,单块 480s 上限)
⑥ Mac assemble:same-voice-local.py assemble → same-voice-candidate.mp4(原 WAV 主声)
坑(全部实战踩过):
- ★形象素材开头可能是插入 B-roll(案例画面)——prepare 前多点抽帧验证全程同一正脸;mediapipe 丢脸 >10 帧直接 RuntimeError(chunk-001 判例:开头 5 秒小女孩 B-roll)
- ★生产活动保护:GPU 有生产 TBDub 任务时本任务自动 STOP_UNKNOWN_CUDA_PID 让路——等生产空闲 --resume(已存在 outputs 目录不能重跑,只能 resume)
- 音频必须 24k 单声道 PCM16;180 帧分块上限(1080 宽输入 20GiB 内存保护)
- 隔离 runner SHA 必须匹配
469d820e...(冻结保护) - 完成证据:assemble 产物 same-voice-candidate.mp4 全帧数一致+完整解码;状态=候选待听审,Jeffrey 过目后才算验收
Motion 模板包装(⑥后期):不需要学习/执行(Jeffrey 2026-10-28 指示——口型成片即交付物)。
⑥ 后期
- 字幕:中文大在上、英文小在下(同屏成对;目标语言 > 中文观众阅读优先级)
- BGM(低音量钢琴避让人声)+ AI 生成标识(平台声明必勾)
- 违规检测过 laohan-weigui;后期管线可接 laohanvideo(Remotion 出片);成片不加 AI 标识(Jeffrey 死规定 2026-10-28)
⑦ 发布与复盘
- 抖音:养号 2-3 天再发;账号装修(人设简介前 3 行钩子)
- 数据:opencli douyin stats/videos 拉取;10 条内决策点(引流款 vs 人设款占比调整)
完成证据(全流程怎么算完成)
① 最终 WAV 绑定 SHA 且 Jeffrey 整轨听审通过;② assemble 产物 same-voice-candidate.mp4 全帧数一致+完整解码(ffprobe 无错);③ 字幕/AI 标识在成片可见;④ 发布前必须 Jeffrey 明确批准(外部发布授权不可由 agent 自拍板)——发布动作本身另按项目合同执行。
反触发(不用本 skill 的场景)
- 真人实拍/老韩本人出镜项目(走 laohanvideo 真人路线)
- 只做选题/文案/装修(单一环节走对应 skill:chuangzuo/weigui 等;本 skill 是复刻数字人全流程总控)
- 声音模型单环节细节(进入 laohan-yinse,本 skill 只在②处调用它)
失败路径
- 声音模型未建成 → 全流程停在②,不跳过训练直接渲染(零样本已被禁用)
- 形象素材字幕去不净/硬门槛不达 → 换素材条或重新选型,不降门槛上传
- 渲染链失败 → 按真源 DH-ROUTE/README 排障;同一故障重试上限 3 次,仍失败报阻塞并上报 Jeffrey(不无限重试、不退回网页/产品链绕路)
- 验收(深肤色还原/口型/音色)不过 → 回退候选形象名单(persona-candidates 排序),不硬发
关键红线
- 声音不走零样本(Jeffrey 钉死,唯一=服务器微调)
- 全流程 API 自动化,不退回网页手动操作
- 不冒充真实存在的人(虚构人设身份)
- pro6000-a 是生产算力机:训练限 cosyvoice-train 目录,不碰生产进程
- 不加 AI 标识(Jeffrey 2026-10-28 死规定,覆盖此前所有合规条款)
素材资产清单(每个博主资料包标准结构)
assets/
persona-candidates/ 原始视频(形象候选)
upload/ 形象上传母版(无字幕/达标)
voice-training/ 声音素材(逐条 WAV + 拼接主素材)
voice-models/ 微调模型 checkpoint(服务器回迁)
benchmark/ 对标视频库+转录
docs/
persona-*.md 人设卡 topic-library-*.md 选题库
scripts-*.md 文案 account-setup.md 装修
服务器协作判例(2026-10-28 实战,pro6000-a)
- AutoDL↔ECS 线路丢包(曾 45%→90%):症状=worker 间歇 fetch failed 而 curl 偶通;ECS/nginx 全正常(请求到端有 204 应答)。修复=平台侧修线路;线路恢复后 worker 连接池可能仍坏 →
laohan-node restart worker - dsub 去字幕批处理(另一工作线的 GPU 任务,PAUSE 文件协调):杀法
kill -9 <主控PID> <guardPID>+pkill -f paint_strips——pkill pattern 陷阱:主控进程名是run2不是run2.py,pattern 写run2.py杀不中,主控会持续拉起新 worker;杀完放 PAUSE 防复活 - runner resume 三死锁:①resume 沿用首次 baseline,中途重启过 worker/日志变化=baseline 永久脏(STOP_PRODUCTION_LOG_CHANGED 复发无解)→ 换全新目录重跑(cp manifest/inputs/chunks/脚本到新 base);②
--expected-checkpoint-sha256=batch-state.json 文件本身的 SHA(不是内部字段);③STOP_CONTAINER_INCREMENT_20_GIB=容器内存增量相对判定,服务内存波动会漂,低成本重试新目录即可过 - 分块断点:18 块跑到 17 块被打断 →
--start-chunk 17 --end-chunk 18单补,assemble 时--additional-outputs合并