chanjing-text-to-digital-person

Chanjing Text To Digital Person

機能の説明

テキストから画像を生成し、画像から話す動画を作成できます。オプションで LoRA の学習とポーリングにも対応し、ユーザーが明確に要求した場合は生成物をダウンロードします。認証情報と権限については manifest.yaml を参照してください。スクリプトは ffmpeg/ffprobe に依存しません。

実行時の依存関係

• python3 と同じリポジトリ内の scripts/*.py（_auth.py、_task_api.py を含む）
• ffmpeg/ffprobe によるゲートはありません

環境変数と機械可読な宣言

• 環境変数のキー名と説明：manifest.yaml の environment セクションおよび本文
• 変数、認証情報モデル、コンプライアンス用 permissions、clientPermissions、agentPolicy：manifest.yaml

使用コマンド

• ClawHub（slug はレジストリを参照）：clawhub run chanjing-text-to-digital-person
• このリポジトリ：python skills/chanjing-text-to-digital-person/scripts/create_photo_task.py …（Standard Workflow を参照）

---

登録とレビュー（単一の信頼できる情報源）

パス、primaryEnv の省略、persistAccessTokenOnDisk、機密フィールド、agentPolicy、オプションの env などについては、manifest.yaml を正とします。実装は _auth.py、_task_api.py および各 CLI スクリプトが担います。本ドキュメントでは When to Use から手順を説明します。

このスキルを使用する場面

ユーザーが次のことを行いたい場合に、このスキルを使用します。

• 人物のプロンプトからデジタルヒューマンの画像を生成する
• 生成した人物画像を、話す短い動画に変換する
• テキストから画像／画像から動画／LoRA タスクの状態を確認する
• ユーザーが明確に要求した場合に、生成画像や動画をローカルにダウンロードする

「実在する人物の素材をアップロードしてカスタムデジタルヒューマンを学習させる」場合は、chanjing-customised-person を優先して使用してください。
「既存のデジタルヒューマンを使って口播動画を合成する」場合は、chanjing-video-compose を優先して使用してください。

前提条件

このスキルを実行する前に、chanjing-credentials-guard で AK/SK と Token の検証を完了する必要があります。

このスキルは guard と以下を共有します。

• ~/.chanjing/credentials.json
• https://open-api.chanjing.cc

認証情報がない場合、スクリプトは蝉鏡のログインページを自動的に開き（同じリポジトリ内に存在する場合は chanjing-credentials-guard/scripts/open_login_page.py を実行し、存在しない場合は webbrowser.open を使用します）、chanjing_config.py をローカルで実行するよう促します。

レビューとセキュリティ（認証情報）

Purpose / Credentials / Persistence に関連する各項目の説明については manifest.yaml を参照してください（認証情報がない場合にサブプロセスが guard の open_login_page.py などを呼び出す動作については clientPermissions を参照してください）。

標準ワークフロー

通常、メインの処理は2段階に分かれ、いずれも非同期タスクです。

1. create_photo_task.py を呼び出してテキストから画像を生成するタスクを作成し、photo_unique_id を取得します
2. poll_photo_task.py を呼び出して成功するまでポーリングし、photo_path を1つ選びます
3. create_motion_task.py を呼び出して画像から動画を作成するタスクを作成し、motion_unique_id を取得します
4. poll_motion_task.py を呼び出して成功するまでポーリングし、最終的な video_url を取得します
5. ユーザーがローカルへの保存を明確に要求した場合に限り、download_result.py を呼び出します

オプションの拡張機能：

• ユーザーが LoRA の学習を希望する場合は、create_lora_task.py と poll_lora_task.py を呼び出します
• poll_lora_task.py が成功すると photo_task_id が1つ返されます。その後、poll_photo_task.py を使って画像を取得できます

対応 API

このスキルでは現在、以下に対応しています。

• POST /open/v1/aigc/photo
• GET /open/v1/aigc/photo/task
• GET /open/v1/aigc/photo/task/page
• POST /open/v1/aigc/motion
• GET /open/v1/aigc/motion/task
• GET /open/v1/aigc/motion/task/page
• POST /open/v1/aigc/lora/task/create
• GET /open/v1/aigc/lora/task
• GET /open/v1/aigc/lora/task/page

スクリプト

スクリプトのディレクトリ：

• skills/chanjing-text-to-digital-person/scripts/

このリポジトリに含まれるファイル（_auth.py のみを含む簡易パッケージと混同しないでください）

完全版パッケージには _auth.py、タスクスクリプトで再利用する _task_api.py と、以下の .py CLI が含まれます。呼び出す際は python3 <パス>/<スクリプト名>.py を使用してください（リポジトリ内の他の蝉鏡スキルと同じ規約です）。

ファイル名（リポジトリ内）	説明
_auth.py	credentials.json を読み込み、access_token / expire_in を更新して書き戻します。AK/SK がない場合は open_login_page.py の実行を試みます
_task_api.py	タスク API の共通ロジック（各 CLI から import されます）
create_photo_task.py	テキストから画像を生成するタスクを作成 → photo_unique_id
get_photo_task.py	個別のテキストから画像を生成するタスクの詳細
list_tasks.py	`--kind=photo
list_tasks.py	タスク一覧（type=1 は photo、type=2 は motion）
poll_photo_task.py	テキストから画像を生成するタスクを完了までポーリング → デフォルトで1枚目の画像 URL
create_motion_task.py	画像から動画を作成 → motion_unique_id
get_motion_task.py	個別の画像から動画を作成するタスクの詳細
poll_motion_task.py	画像から動画を作成するタスクを完了までポーリング → デフォルトで動画 URL
create_lora_task.py	LoRA の学習を作成 → lora_id
get_lora_task.py	LoRA タスクの詳細
poll_lora_task.py	LoRA タスクを完了までポーリング → デフォルトで1つ目の photo_task_id
download_result.py	ローカルに保存する必要がある場合のみ、outputs/text-to-digital-person/（または --output）にダウンロードします

上記のいずれかのエントリーポイント、または _task_api.py が環境にない場合は、配布／パッケージが不完全です。

使用例

例1：テキストから画像を生成した後、そのまま画像から動画を作成

PHOTO_TASK_ID=$(python3 skills/chanjing-text-to-digital-person/scripts/create_photo_task.py \
  --age "Young adult" \
  --gender Female \
  --number-of-images 1 \
  --industry "教育培训" \
  --background "现代直播间背景" \
  --detail "短发，亲和力强，职业装" \
  --talking-pose "上半身特写，站立讲解")

PHOTO_URL=$(python3 skills/chanjing-text-to-digital-person/scripts/poll_photo_task.py \
  --unique-id "$PHOTO_TASK_ID")

MOTION_TASK_ID=$(python3 skills/chanjing-text-to-digital-person/scripts/create_motion_task.py \
  --photo-unique-id "$PHOTO_TASK_ID" \
  --photo-path "$PHOTO_URL" \
  --emotion "自然播报，语气清晰自信" \
  --gesture)

python3 skills/chanjing-text-to-digital-person/scripts/poll_motion_task.py \
  --unique-id "$MOTION_TASK_ID"

例2：LoRA の学習

LORA_ID=$(python3 skills/chanjing-text-to-digital-person/scripts/create_lora_task.py \
  --name "演示LoRA" \
  --photo-url https://example.com/1.jpg \
  --photo-url https://example.com/2.jpg \
  --photo-url https://example.com/3.jpg \
  --photo-url https://example.com/4.jpg \
  --photo-url https://example.com/5.jpg)

python3 skills/chanjing-text-to-digital-person/scripts/poll_lora_task.py \
  --lora-id "$LORA_ID"

ダウンロード規則

ダウンロードは明示的な操作であり、デフォルトでは実行されません。

• poll_photo_task.py と poll_motion_task.py が成功した後は、まずリモート URL を返してください
• 結果ファイルを自動的にダウンロードしないでください
• ユーザーが「ローカルにダウンロード」「outputs に保存」「ローカルに保存して」などと明確に指示した場合に限り、download_result.py を実行してください

出力規則

デフォルトのローカル出力ディレクトリ：

• outputs/text-to-digital-person/

追加リソース

API の詳細については、以下を参照してください。

• skills/chanjing-text-to-digital-person/reference.md
• skills/chanjing-text-to-digital-person/examples.md