mcpField
A
aliyun-emo

aliyun-emo

github.com/cinienceクリエイティブ・メディア39655 回インストール11 週間前に更新
リポジトリ

aliyun-emo について

aliyun-emoは、Model Studio EMOで人物画像と音声からトーキングヘッド動画を生成するスキルです。生成リクエストの前に顔と拡張領域の境界ボックスを検出します。

主な機能

  1. 01顔と拡張領域の境界ボックス検出
  2. 02画像と音声から動画を生成
  3. 03normal、calm、activeのスタイル選択
  4. 04タスクのポーリングと動画URL取得

活用シーン

  1. 01鮮明な人物画像からトーキングポートレートを作成
  2. 02音声を表情付き動画に変換

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/cinience/alicloud-skills --skill aliyun-emo

インストール後、Claude Code で/aliyun-emoを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

agents/
openai.yaml
references/
sources.md
scripts/
prepare_emo_request.py

詳細

カテゴリ：プロバイダー

Model Studio EMO

検証

mkdir -p output/aliyun-emo
python -m py_compile skills/ai/video/aliyun-emo/scripts/prepare_emo_request.py && echo "py_compile_ok" > output/aliyun-emo/validate.txt

合格基準：コマンドが 0 で終了し、output/aliyun-emo/validate.txt が生成されます。

出力と証跡

  • 正規化されたリクエストペイロード、検出ボックス、タスクのポーリングスナップショットを output/aliyun-emo/ に保存します。
  • 選択した style_level と正確な face_bbox / ext_bbox を記録します。

入力がポートレート画像と音声で、Wan 以外の表現力豊かなトーキングヘッドの結果が必要な場合は、EMO を使用します。

重要なモデル名

次のモデル文字列を正確に使用してください。

  • emo-v1-detect
  • emo-v1

選択の指針：

  • まず画像検出を実行し、face_bbox と ext_bbox を取得します。
  • 検出が成功した後にのみ emo-v1 を使用します。

前提条件

  • 中国本土（北京）のみで利用できます。
  • 環境に DASHSCOPE_API_KEY を設定するか、~/.alibabacloud/credentials に dashscope_api_key を追加します。
  • 入力ファイルは、HTTP/HTTPS でアクセス可能な公開 URL である必要があります。

正規化インターフェース（video.emo）

検出リクエスト
  • model（文字列、任意）：デフォルトは emo-v1-detect
  • image_url（文字列、必須）
生成リクエスト
  • model（文字列、任意）：デフォルトは emo-v1
  • image_url（文字列、必須）
  • audio_url（文字列、必須）
  • face_bbox（array、必須）
  • ext_bbox（array、必須）
  • style_level（文字列、任意）：normal、calm、または active
レスポンス
  • task_id（文字列）
  • task_status（文字列）
  • video_url（完了時は文字列）

クイックスタート

python skills/ai/video/aliyun-emo/scripts/prepare_emo_request.py \
  --image-url "https://example.com/portrait.png" \
  --audio-url "https://example.com/speech.mp3" \
  --face-bbox 302,286,610,593 \
  --ext-bbox 71,9,840,778 \
  --style-level active

運用ガイダンス

  • face_bbox や ext_bbox を推測してはいけません。検出 API の出力を使用します。
  • ext_bbox の比率によって出力形式が決まります。1:1 の場合は 512x512、3:4 の場合は 512x704 になります。
  • 表情の品質を高めるには、入力するポートレートを鮮明で正面向きにします。
  • EMO はポートレートに特化しています。全景の人物動画には、代わりに他のスキルを使用してください。

出力先

  • デフォルトの出力先：output/aliyun-emo/request.json
  • OUTPUT_DIR でベースディレクトリを上書きできます。

参考資料

  • references/sources.md

コメント

Markdown 対応