Communitygithub.com

exiao/skills

创建并管理一致的AI视频角色——定义角色设定、使用Nano Banana生成肖像,并将配置保存以供系列中所有视频重复使用。

skills 是什么?

该技能用于定义和管理AI视频角色,确保在系列视频中保持一致的视觉和语音表现。用户可以通过一系列步骤创建角色:定义角色属性(如名称、个性、语音原型)、生成肖像和面部参考图像(使用Nano Banana Pro,支持快速迭代至2K分辨率)、保存JSON配置文件,并进行一致性验证。角色配置存储在`~/clawd/characters/<slug>/`目录下,包含config.json、portrait和face-ref图片。该技能适用于TikTok、Reels、Shorts等平台,并与内容策略、ElevenLabs(语音合成)和InfiniteTalk(视频生成)等下游工具集成。当开始新的平台系列或需要A/B测试不同角色风格时,建议创建新角色,但不应为同一平台和领域的连续剧集重复创建——这正是该技能的核心价值所在。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/exiao/skills/tree/HEAD/video/character-creation

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

角色创建

设计一个角色。永久复用。

“角色”包括:名称、个性、视觉身份(肖像图片)和语音原型。系列中的每个视频都从同一配置文件中提取信息,从而保证角色在100集内保持一致。

角色存储于 ~/clawd/characters/<slug>/。


第一步:定义角色

在接触 Nano Banana 之前,先回答以下问题:

字段描述示例
名称角色在屏幕上的名称“Max”、“Dr. Erica”、“The Analyst”
Slug文件系统安全的标识符max、dr-erica、the-analyst
平台主要目标平台TikTok、Reels、Shorts
领域 / 话题角色谈论什么?投资、个人理财、加密货币
个性最多3个形容词自信、冷峻、逆向
说话风格他们如何说话短句子。不模棱两可。经常使用“关键点在于:”。
语音原型用于 ElevenLabs 选择深沉的男声、中音女声、活力年轻男声
视觉风格整体美学写实、3D 动画、插画风格
外貌年龄、种族、着装、场景35岁,商务休闲装,简约办公室背景

保存答案——你在每一步都会用到它们。


第二步:生成肖像

需要两张图片:肖像(用于缩略图、品牌展示)和面部参考(用于 InfiniteTalk 的一致性)。

肖像(针对 TikTok/Reels 的 9:16 比例)

uv run ~/clawd/skills/nano-banana-pro/scripts/generate_image.py \
  --prompt "<外貌描述>, 直视镜头, 自信表情, <视觉风格>, 专业布光, 干净背景" \
  --filename "~/clawd/characters/<slug>/portrait-$(date +%Y-%m-%d).png" \
  --aspect-ratio 9:16 \
  --resolution 2K \
  --thinking high

面部参考(针对 InfiniteTalk 的 1:1 比例)

uv run ~/clawd/skills/nano-banana-pro/scripts/generate_image.py \
  --prompt "<外貌描述>, 极度特写头像, 中性表情, 正面, <视觉风格>, 棚拍布光, 白色背景" \
  --filename "~/clawd/characters/<slug>/face-ref-$(date +%Y-%m-%d).png" \
  --aspect-ratio 1:1 \
  --resolution 2K \
  --thinking high

迭代

  • 从 --resolution 512 开始快速生成草稿。先锁定外观。
  • 确认后,使用 2K 和 --thinking high 重新生成。
  • 如果 80% 正确,则编辑:将草稿作为 --input-image 并加上具体修复提示。
  • 为了未来重新生成时的一致性:始终将已批准的面部参考作为 --input-image 传入,并附带“完全保持输入图像中的人物面部特征”。

第三步:保存配置

创建 ~/clawd/characters/<slug>/config.json:

{
  "name": "Max",
  "slug": "max",
  "platform": "TikTok",
  "niche": "投资/股票市场",
  "personality": ["自信", "冷峻", "逆向"],
  "speech_style": "短促有力的句子。不模棱两可。抨击传统观点。使用“关键点在于:”作为过渡。",
  "voice_archetype": "深沉的男声,35-45岁,沉稳的语速,略带锋芒",
  "elevenlabs_voice_id": "",
  "visual_style": "写实",
  "appearance": "35岁男性,棱角分明的下颌,商务休闲装(海军蓝西装外套,不打领带),简约现代办公室背景,左侧暖色主光",
  "portrait": "portrait-2026-03-03.png",
  "face_ref": "face-ref-2026-03-03.png",
  "created": "2026-03-03",
  "accounts": {
    "tiktok": "",
    "reels": "",
    "shorts": ""
  }
}

在 ElevenLabs 中选择或克隆语音后,填写 elevenlabs_voice_id。账号建立后,填写 accounts 中的平台句柄。


第四步:验证一致性

在角色准备投入生产之前,使用面部参考作为输入生成 3 张测试图片,并验证:

  • 所有三张图片的面部特征一致
  • 表情变化有效(中性、微笑、严肃)
  • 角色在缩略图尺寸下清晰可辨(小屏幕测试)

如果一致性被打破:通过逗号分隔的 --input-image 同时传入 2-3 张已批准的参考图片。


角色目录结构

~/clawd/characters/
  max/
    config.json
    portrait-2026-03-03.png
    face-ref-2026-03-03.png
  dr-erica/
    config.json
    portrait-2026-03-03.png
    face-ref-2026-03-03.png

何时创建新角色

  • 在新的平台上开设新账号,且领域或语调不同
  • 需要一个视觉上不同的角色来承载新系列概念
  • 在同一领域内对两种角色风格进行 A/B 测试

不要仅仅因为要开始一个新系列就创建新角色。如果领域和平台匹配,复用现有角色——这就是该技能的全部意义所在。


下游使用

角色创建完成后:

  • 脚本 → content-strategy 技能(视频系列部分)用角色的声音编写剧集脚本
  • 音频 → ElevenLabs,使用配置中的 elevenlabs_voice_id
  • 视频 → InfiniteTalk,使用 face_ref 图片 + ElevenLabs 音频
  • 排期 → 将输出的 MP4 上传到你选择的平台

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

相关技能