（8906期）Anima – AI 语音驱动·一键生成数字人视频

AI 语音驱动·一键生成数字人视频 基于 Fish Audio 的交互式视频生成引擎，支持动态角色表情、同步语音与文本叠加，一键生成 16:9 专业视频并直传飞书。 使用说明 核心用法 Anima Avatar 是一个面向内容创作者与自动化工作流的交互式视频生成引擎。用户通过 JSON 脚本定义台词与情绪，系统自动完成：语音合成（Fish Audio）→ 表情精灵图智能匹配 → FFmpeg 视频合成 → 飞书原生视频直传。 典型工作流： 准备角色立绘与背景图，通过 Gemini AI 或简单叠加生成基础精灵 运行批量生成器，基于情绪提示词自动生成 30+ 表情变体 编写脚本（文本+情绪标签），执行 run.js 生成视频 预览或直传飞书，视频时长、封面、播放体验均为原生级别 显著优点 端到端自动化：从文本到可播放视频仅需一条命令，无需人工剪辑 AI 驱动的表情系统：Gemini 图像生成实现"参考图+提示词"的变体生产，表情自然且风格一致 专业级输出：1920×1080 分辨率、音频口型同步、SVG 文字渲染、飞书原生流式上传 模块化设计：TTS、图像生成、视频渲染、上传交付四层解耦，便于替换供应商 潜在缺点与局限性 sprites 缺失：安装后需自行准备角色图、背景图，并调用 Gemini API 生成全套表情素材，首次配置门槛高 外部依赖重：Fish Audio（语音）、Gemini（图像）、Feishu（上传）均需独立申请 API Key，任一服务故障将导致流程中断 平台锁定风险：飞书上传模块深度耦合 Lark SDK，迁移至其他 IM 需重写 sendvideopro.js 生成成本不可控：Gemini 图像生成与 Fish Audio TTS 均为按需计费，批量生产时费用累积较快 情绪标签有限：仅 7 种预设情绪（Happy/Angry/Shy/Think/Sad/Action/Base），复杂微表情需手动扩展 CSV 并重新生成 适合人群 需要批量生成虚拟主播/数字人视频的 MCN 机构与自媒体团队 希望将 AI 对话自动转化为视频内容的自动化工作流开发者 已在使用飞书生态、需要富媒体消息增强的企业内部工具搭建者 具备 Node.js 与 API 集成经验的技术型用户 常规风险 API Key 泄露：.env 文件若误提交至版本控制，将导致第三方服务被盗刷 内容合规：Gemini 生成的角色图像可能涉及版权或形象权争议，商业使用前需确认授权 服务可用性：Fish Audio 与 Gemini 均为境外服务，存在网络延迟、配额限制或政策波动风险 依赖维护：sharp 与 ffmpeg 的跨平台二进制兼容性虽成熟，但极端环境（如 Alpine Linux）仍需额外配置 原始说明 Anima Avatar - Interactive Video Generation Engine. Generates 16:9 videos with dynamic character sprites (Shutiao), synced audio (Fish Audio), and text overlay.