infinitetalk-shopping-avatar

name	infinitetalk-shopping-avatar
description	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！

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

图片集成：

1. 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）

2. 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：

1. 加载模型（基础配置）
2. 单幕生成（以第一幕为例）
3. 保存视频（5s/幕）
4. 五幕拼接（总时长25s）

可选分支

• 当场景类型为产品推荐：执行 references/scene-templates-infinitetalk.md 中的产品推荐场景模板
• 当场景类型为价格对比：执行价格对比场景模板
• 当场景类型为促销活动：执行促销活动场景模板
• 当需要跨工具集成：执行 references/cross-tool-integration.md 中的集成方案

资源索引

• 核心参数配置：见 references/infinitetalk-parameters.md（何时读取：生成提示词前确认参数配置）
• 提示词结构规范：见 references/prompt-structure.md（何时读取：生成提示词时遵循结构规范）
• 场景模板库：见 references/scene-templates-infinitetalk.md（何时读取：根据场景类型调取模板）
• 一致性管控规则：见 references/consistency-rules-infinitetalk.md（何时读取：质量核查时遵循规则）
• 跨工具集成方案：见 references/cross-tool-integration.md（何时读取：跨工具集成时参考方案）
• 完整示例输出：见 assets/examples/sample-prompts-infinitetalk.md（何时读取：参考完整示例）

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：

1. Suno生成16kHz单声道wav音频
2. chinese-wav2vec2-base编码
3. 导购员语音生成（语速/语气匹配情绪）
4. 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