infinitetalk-shopping-avatar

InfiniteTalk小省导购员数字人带货提示词生成

任务目标

• 本技能用于：为InfiniteTalk项目生成小省导购员数字人带货视频的结构化提示词，直接对接模型推理流程
• 能力包含：
  • 生成适配InfiniteTalk Image-to-Video模式的分镜化提示词
  • 帧级动作时序描述（5s/幕，精确到秒级）
  • 音频同步匹配（Suno音乐 + chinese-wav2vec2-base编码）
  • 一致性管控（角色/视觉/情绪三大维度）
  • 跨工具集成（Suno、AI绘画、InfiniteTalk）
• 触发条件：用户需要生成小省导购员数字人带货视频，使用InfiniteTalk模型进行推理

前置准备

• 依赖说明：本技能基于智能体自然语言能力，无需Python依赖
• 环境准备：
  • InfiniteTalk模型环境（已安装，包含chinese-wav2vec2-base编码器）
  • TeaCache + int8量化配置（已配置）
  • 角色参考图（9:16比例，分辨率≥1080×1920）

操作步骤

标准流程

1. 提示词生成

提示词生成师负责生成适配InfiniteTalk的结构化提示词：

输入信息：

• 场景类型（产品推荐/价格对比/促销活动等）
• 商品信息
• 情绪基调
• 五幕情绪递进

生成流程：

1. 读取 references/infinitetalk-parameters.md，确认核心参数配置
2. 读取 references/prompt-structure.md，遵循提示词结构规范
3. 读取 references/scene-templates-infinitetalk.md，调取场景模板
4. 生成五幕提示词，每幕包含：
   • 角色固定特征（严格遵循固定描述）
   • 动作时序（5s内帧级描述，精确到秒级）
   • 场景环境（背景、前景、道具）
   • 音频匹配（语音类型+音乐风格+音频对齐规则）
   • 光影/氛围（色温、光照类型、情绪基调）
   • 技术约束（构图比例、景深、动作强度等）

输出格式：

• 中文提示词（可直接作为InfiniteTalk推理脚本的prompt参数）
• 参数配置表（duration、aspect_ratio、motion_strength、face_consistency等）

2. 质量核查

质量管控师负责核查提示词质量：

核查维度：

1. 技术参数匹配度：

   • 时长：每幕5s，总时长25s
   • 分辨率/比例：1080×1920（9:16竖版）
   • 动作连贯性：5s内帧级动作描述流畅
   • 角色一致性：严格匹配固定特征描述

2. 角色一致性：

   • 外貌特征：脸型、眼睛、发型、肤色、唇色
   • 服饰描述：上衣、鞋子、配饰
   • 气质特征：专业亲和、手部姿态

3. 音频匹配性：

   • 语音类型：语速、语气与情绪匹配
   • 音乐风格：与场景情绪匹配
   • 音频对齐：动作节奏与音乐/语音同步

4. 光影可实现性：

   • 色温：4000K-5500K范围
   • 光照类型：侧光、顺光、顶光、逆光
   • 光影效果：明暗对比、景深、虚化程度

核查结果：

• 通过（pass）：传递给知识库运维师归档
• 不通过（fail）：生成问题清单，反馈给提示词生成师调整（最多2次）

3. 知识库归档

知识库运维师负责归档提示词和知识库更新：

归档内容：

• 角色固定特征模板
• 五幕情绪-光影映射表
• 音频风格-动作匹配库
• 场景模板库

归档格式：

• JSON格式（便于程序调用）
• 包含完整元数据（场景类型、情绪基调、参数配置）

4. 跨工具集成

跨环节适配师负责跨工具集成和音频/图片适配：

音频集成：

1. Suno音乐生成：

   • 提取情绪关键词，生成音乐风格描述
   • 导出为16kHz单声道wav格式
   • 确保时长5s/幕，与提示词严格对齐

2. chinese-wav2vec2-base编码：

   • 使用chinese-wav2vec2-base对音频进行特征编码
   • 生成音频特征文件

3. 导购员语音生成：

   • 根据每幕情绪调整语速/语气
   • 与音乐时长严格对齐（5s/幕）
   • 确保唇形同步