mcpField
M
Make Lip Sync

Make Lip Sync

github.com/gitroomhq创意与媒体8350 次安装3 天前更新
代码仓库

关于 Make Lip Sync

Make Lip Sync 是 agent-media 的一项技能，可将用户提供的音频与图片、角色表或现有视频片段中的人脸同步。它输出 9:16 竖屏口播视频，不提供文本转语音或声音克隆。

主要功能

  1. 01支持图片或现有视频片段
  2. 02使用用户提供的音频
  3. 03输出 9:16 竖屏口播视频
  4. 04不提供文本转语音或声音克隆

适用场景

  1. 01让角色匹配录制的声音
  2. 02根据现有人脸制作竖屏口播片段

MCP 相关

通过 agent-media MCP 服务的 `mcp__agent-media__make_lip_sync` 工具执行。使用用户现有的 agent-media Bearer token 进行身份验证。

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/gitroomhq/agent-media --skill make-lip-sync

安装后在 Claude Code 中输入/make-lip-sync确认已加载。

详细介绍

制作唇形同步视频

使用你自己的音频：让人脸（托管在 R2 上的图像／角色设定图，或现有片段）与提供的音轨同步。不提供文本转语音或语音克隆——角色会说出你上传的录音。输出为 9:16 的口播视频。

何时使用

当用户要求实现上述效果时，调用此技能。它通过 mcp__agent-media__make_lip_sync MCP 工具，在 agent-media vNext 原语运行时上运行。身份验证使用用户现有的 agent-media Bearer 令牌（由 agent-media login 签发）。

如何调用

首选方式：MCP 工具 mcp__agent-media__make_lip_sync。Schema 会通过针对同一 MCP 服务的 tools/list 自动发布，因此无需在此重复说明 Schema——以服务端的响应为准。

备用方式：REST。

POST https://api.agent-media.ai/v1/skills/make_lip_sync/run
Authorization: Bearer $AGENT_MEDIA_API_KEY
Content-Type: application/json
Idempotency-Key: <any unique string per intent>

{
  "image_url": "https://pub-...r2.dev/vnext/primitive-runs/<id>/character-sheet.png",
  "audio_url": "https://pub-...r2.dev/vnext/<your-uploaded-audio>.mp3",
  "duration": 10,
  "aspect_ratio": "9:16"
}

费用和耗时

  • 点数：140/280/420 (5s/10s/15s)
  • 耗时（通常）：420–480s
  • 提交时扣除；终态失败时退还。

轮询结果

GET https://api.agent-media.ai/v1/primitives/runs/<run_id>
Authorization: Bearer $AGENT_MEDIA_API_KEY

此技能内置的规则

信息源

此文件由 scripts/generate-public-skill.ts 根据 services/api-v2/src/skills/registry.ts 中的注册表自动生成。请勿手动编辑；CI 会拒绝不一致的更改。

评论

支持 Markdown