| name | infinitetalk-shopping-avatar |
| description | 专为InfiniteTalk项目设计的小省导购员数字人带货提示词生成技能，基于四大智能体协同（提示词生成师、质量管控师、知识库运维师、跨环节适配师），生成适配Image-to-Video模式的结构化提示词（角色固定特征+动作时序+场景环境+音频匹配+光影氛围+技术约束），支持9:16竖屏、5s/幕、音频同步（Suno+chinese-wav2vec2-base）、一致性管控（角色/视觉/情绪），直接对接模型推理流程 |
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：
- 读取 references/infinitetalk-parameters.md，确认核心参数配置
- 读取 references/prompt-structure.md，遵循提示词结构规范
- 读取 references/scene-templates-infinitetalk.md，调取场景模板
- 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：
-
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
-
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
-
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
-
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：
-
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
-
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
-
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
图片集成：
-
AI绘画生成：
- 使用AI绘画生成「动作前画面」
- 裁剪为9:16比例，分辨率≥1080×1920
- 保留角色完整特征（无遮挡）
-
参考图适配：
- 作为InfiniteTalk的
init_image参数输入
- 确保角色固定特征与提示词一致
InfiniteTalk推理对接：
- 加载模型（基础配置）
- 单幕生成（以第一幕为例）
- 保存视频（5s/幕）
- 五幕拼接（总时长25s）
可选分支
资源索引
注意事项
- 严格遵循角色固定特征描述，所有五幕提示词使用相同描述
- 动作时序必须精确到秒级，确保5s内动作连贯
- 音频匹配必须与动作节奏同步，确保唇形同步
- 光影描述必须可实现，色温在4000K-5500K范围内
- 技术约束必须匹配InfiniteTalk能力，确保生成效果
- 充分利用智能体的自然语言能力和分析推理能力，避免为简单任务编写脚本
使用示例
示例1：产品推荐场景提示词生成
功能说明：生成产品推荐场景的五幕提示词
执行方式：提示词生成师（智能体自然语言生成）
关键参数：
- 场景类型：产品推荐
- 情绪基调：热情专业
- 五幕情绪递进：热情神秘→专业详细→专注生动→自信有力→鼓励坚决
- 技术参数：9:16竖屏、5s/幕、1080×1920分辨率
输出：五幕中文提示词、参数配置表
示例2：质量核查
功能说明：核查提示词质量
执行方式：质量管控师（智能体分析推理）
核查维度：技术参数匹配度、角色一致性、音频匹配性、光影可实现性
输出：质检报告（pass/fail）、问题清单（如不通过）
示例3：跨工具集成
功能说明：Suno音乐→InfiniteTalk音频对接
执行方式：跨环节适配师（智能体理解+自然语言指导）
关键步骤：
- Suno生成16kHz单声道wav音频
- chinese-wav2vec2-base编码
- 导购员语音生成（语速/语气匹配情绪）
- InfiniteTalk推理对接
输出：音频编码文件、视频生成结果
四大智能体角色职责
提示词生成师
- 核心职责：按提示词结构输出InfiniteTalk专用提示词
- 输入：场景类型、商品信息、情绪基调
- 输出：分幕提示词文本、参数配置表
- 关键能力：理解InfiniteTalk技术参数、创作帧级动作时序描述
质量管控师
- 核心职责：核查提示词与InfiniteTalk能力匹配度
- 核查维度：动作连贯性、角色一致性、光影可实现性
- 输出：质检报告、提示词修正建议
- 关键能力：分析推理、技术约束匹配度评估
知识库运维师
- 核心职责：归档提示词和知识库更新
- 归档内容：角色固定特征模板、情绪-光影映射表、音频风格-动作匹配库
- 输出：知识库检索接口（JSON格式）
- 关键能力：结构化归档、元数据管理
跨环节适配师
- 核心职责：跨工具集成（Suno、AI绘画、InfiniteTalk）
- 集成步骤：音频适配、图片适配、InfiniteTalk推理对接
- 输出：音频编码文件、视频生成结果
- 关键能力：跨工具理解、格式适配、流程集成
