mcpField
A
aliyun-wan-digital-human

aliyun-wan-digital-human

github.com/cinienceクリエイティブ・メディア39693 回インストール11 週間前に更新
リポジトリ

aliyun-wan-digital-human について

画像と音声を使ったModel Studioのデジタルヒューマン動画リクエストを準備するプロバイダースキルです。生成前に画像を検出し、会話・歌唱・演技のキャラクター動画を作成するワークフロー向けです。

主な機能

  1. 01生成前の画像検出
  2. 02画像と音声からの動画生成
  3. 03会話・歌唱・演技シナリオへの対応
  4. 04480Pまたは720Pの解像度選択

活用シーン

  1. 01肖像と音声クリップから会話するキャラクターを作成
  2. 02歌唱や演技をするキャラクター動画の作成

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-wan-digital-human

インストール後、Claude Code で/aliyun-wan-digital-human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_digital_human_request.py

詳細

Category: プロバイダー

Model Studio Digital Human

検証

mkdir -p output/aliyun-wan-digital-human
python -m py_compile skills/ai/video/aliyun-wan-digital-human/scripts/prepare_digital_human_request.py && echo "py_compile_ok" > output/aliyun-wan-digital-human/validate.txt

合格基準：コマンドが 0 で終了し、output/aliyun-wan-digital-human/validate.txt が生成されること。

出力とエビデンス

  • 正規化されたリクエストペイロード、選択した解像度、タスクのポーリングスナップショットを output/aliyun-wan-digital-human/ に保存します。
  • 画像／音声の URL と、入力画像が検出に合格したかどうかを記録します。

このスキルは、画像と音声を用いてキャラクターに話す、歌う、またはプレゼンテーションをさせる場合に使用します。

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。

  • wan2.2-s2v-detect
  • wan2.2-s2v

選択時の指針：

  • 画像を検証するため、最初に wan2.2-s2v-detect を実行します。
  • 実際の動画生成タスクには wan2.2-s2v を使用します。

前提条件

  • 中国本土（北京）のみ。
  • 環境に DASHSCOPE_API_KEY を設定するか、~/.alibabacloud/credentials に dashscope_api_key を追加します。
  • 入力音声には明瞭な話し声または歌声が含まれている必要があり、入力画像にははっきりした被写体が写っている必要があります。

正規化されたインターフェース（video.digital_human）

検出リクエスト
  • model（string、任意）：デフォルトは wan2.2-s2v-detect
  • image_url（string、必須）
生成リクエスト
  • model（string、任意）：デフォルトは wan2.2-s2v
  • image_url（string、必須）
  • audio_url（string、必須）
  • resolution（string、任意）：480P または 720P
  • scenario（string、任意）：talk、sing、または perform
レスポンス
  • task_id（string）
  • task_status（string）
  • video_url（string、完了時）

クイックスタート

python skills/ai/video/aliyun-wan-digital-human/scripts/prepare_digital_human_request.py \
  --image-url "https://example.com/anchor.png" \
  --audio-url "https://example.com/voice.mp3" \
  --resolution 720P \
  --scenario talk

運用ガイダンス

  • 顔がはっきり写り、構図が安定した、ポートレート、半身、または全身の画像を使用します。
  • 音声の長さを希望する出力時間に合わせます。出力時間はモデルの上限まで音声の長さに従います。
  • 画像と音声には、一般にアクセス可能な HTTP/HTTPS URL を使用します。
  • 画像が検出に失敗した場合は、そのまま動画生成に進まないでください。

出力先

  • デフォルトの出力先：output/aliyun-wan-digital-human/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