Skip to content

anbeime/skill / skills/infinitetalk-shopping-avatar/infinitetalk-shopping-avatar

infinitetalk-shopping-avatar

Verified

电商运营与内容创作者在制作数字人带货视频时,使用本技能可自动生成适配InfiniteTalk的五幕分镜结构化提示词,精准管控角色一致性与音画同步,一键产出高质量9:16竖屏带货视频,让数字人带货更高效!

references/infinitetalk-parameters.md

View on GitHub
# InfiniteTalk项目核心参数配置

## 目录
- [1. 生成模式配置](#1-生成模式配置)
- [2. 时长与分辨率配置](#2-时长与分辨率配置)
- [3. 音频同步配置](#3-音频同步配置)
- [4. 显存与加速配置](#4-显存与加速配置)
- [5. 核心对齐维度](#5-核心对齐维度)
- [6. 角色固定特征](#6-角色固定特征)

## 概览
本文档定义InfiniteTalk生成小省导购员数字人带货视频的核心参数,确保提示词与模型能力匹配。

---

## 1. 生成模式配置

### Image-to-Video模式

**模式选择**:Image-to-Video(基于核心角色固定形象生成)

**说明**:
- 优先使用单张角色参考图驱动,保证人物一致性
- 参考图作为InfiniteTalk的`init_image`参数输入
- 参考图需保留角色完整特征(无遮挡)

**参考图要求**:
- 比例:9:16竖版
- 分辨率:≥1080×1920
- 内容:角色完整特征(脸型、发型、服饰、气质)
- 遮挡:无遮挡(确保角色特征清晰)

---

## 2. 时长与分辨率配置

### 单幕时长

**时长**:每幕5秒

**说明**:
- InfiniteTalk支持无限长度,单幕5秒更易保证动作连贯
- 总时长:25秒(5幕×5秒)
- 可拆分单幕生成后拼接

### 分辨率与比例

**分辨率**:1080×1920

**比例**:9:16竖版

**适配场景**:
- 抖音短视频
- 快手短视频
- 其他竖屏短视频平台

**说明**:与提示词视觉比例一致,确保带货场景适配

---

## 3. 音频同步配置

### 音频类型

每幕匹配对应音频:
- **Suno音乐**:背景音乐,根据场景情绪调整风格
- **导购员语音**:语速适中、亲和专业,与情绪匹配

### 音频对齐

**对齐规则**:
- 语音节奏与唇形同步
- 动作节奏与音乐/语音同步
- 音频时长严格对齐(5秒/幕)

### 音频编码

**编码器**:chinese-wav2vec2-base

**音频特征**:
- 需提前用chinese-wav2vec2-base编码
- 生成音频特征文件
- 作为InfiniteTalk的`audio`参数输入

### 音频格式要求

**Suno音乐**:
- 格式:16kHz单声道wav
- 时长:5秒/幕
- 声道:单声道
- 采样率:16kHz

**导购员语音**:
- 格式:16kHz单声道wav
- 时长:5秒/幕
- 语速:适中(约200-250字/分钟)
- 语气:亲和专业、情绪匹配

---

## 4. 显存与加速配置

### TeaCache配置

**状态**:启用

**作用**:
- 适配常规GPU
- 提高显存利用率
- 降低显存占用

### int8量化

**状态**:启用

**作用**:
- 适配常规GPU
- 保证5秒视频生成效率
- 降低模型大小

---

## 5. 核心对齐维度

### 对齐维度列表

InfiniteTalk支持多维度音频驱动视频生成,核心对齐维度包括:

1. **唇形**:唇形与语音同步
2. **头部运动**:头部动作与音乐/语音节奏同步
3. **手部姿态**:手部动作与音乐/语音节奏同步
4. **面部表情**:面部表情与情绪匹配
5. **身体姿态**:身体动作与音乐/语音节奏同步

### 对齐要求

**动作连贯性**:
- 5秒内帧级动作描述流畅
- 动作切换自然,无卡顿
- 动作强度适中(motion_strength: 0.8)

**面部一致性**:
- 启用`face_consistency`参数
- 确保面部特征与参考图一致
- 面部表情与情绪匹配

---

## 6. 角色固定特征

### 小省导购员角色固定描述

**外貌特征**:
- 性别:女性数字人
- 年龄:25岁左右
- 脸型:鹅蛋脸
- 眼睛:杏眼(根据情绪调整:带笑/专注/兴奋/微凝/哀伤/坚定)
- 发型:浅棕色齐肩卷发
- 肤色:白皙
- 唇色:淡粉

**服饰特征**:
- 上衣:浅灰色修身西装套裙,内搭白色衬衫
- 鞋子:米色细跟鞋
- 配饰:银色简约项链

**气质特征**:
- 整体气质:专业又亲和
- 手部姿态:优雅自然
- 身体姿态:挺拔/端正/微倾(根据场景调整)

**一致性要求**:
- 所有五幕提示词必须使用**完全相同**的角色固定特征描述
- 仅允许调整"杏眼"的情绪表达(带笑/专注/兴奋等)
- 服饰、气质、手部姿态严禁修改

---

## 附录:参数配置速查表

| 参数类别 | 具体配置 | 备注 |
|---------|---------|------|
| 生成模式 | Image-to-Video | 基于核心角色固定形象生成 |
| 单幕时长 | 5秒 | 总时长25秒(5幕×5秒) |
| 分辨率 | 1080×1920 | 适配短视频带货场景 |
| 比例 | 9:16竖版 | 与提示词视觉比例一致 |
| 音频格式 | 16kHz单声道wav | 适配chinese-wav2vec2-base编码 |
| 音频编码器 | chinese-wav2vec2-base | 提前编码音频特征 |
| TeaCache | 启用 | 适配常规GPU |
| int8量化 | 启用 | 提高生成效率 |
| 动作强度 | 0.8 | 保证动作连贯 |
| 面部一致性 | True | 确保面部特征一致 |

---

## 注意事项

1. **严格遵循角色固定特征**:所有五幕提示词使用相同的角色固定特征描述
2. **动作时序精确到秒级**:5秒内帧级动作描述流畅
3. **音频严格对齐**:语音节奏与唇形同步,动作节奏与音乐/语音同步
4. **分辨率/比例匹配**:1080×1920、9:16竖版
5. **音频格式标准**:16kHz单声道wav,适配chinese-wav2vec2-base编码
6. **显存优化启用**:TeaCache + int8量化
slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack."Stars: 198kUpdated Claude CodeCodexVerifiedInstall
ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read.Stars: 194kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report.Stars: 194kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt.Stars: 194kUpdated Claude CodeCodexVerifiedInstall