digital-human-koubo：一张照片开口说话，一分钟口播 1,020 积分
一张照片做出一个固定的数字人，稿子切段交给 Renoise 生成、本地用 Remotion 套包装：这篇文章算清它在链条上的层级、四步上手路径、十五处卡点，以及一分钟口播 1,020 积分背后的真实成本。
一张照片，一句话，出来一条 27 秒的直播带货广告。主播不存在，脸、声音、直播间、花字、价格动画全是生成的。1
账单是 482 个 Renoise 积分。1
项目叫 digital-human-koubo，2026 年 10 月 26 日建仓。十天里它拿到 1,760 颗星、402 次 fork，提交记录只有 7 条。2
MIT 只覆盖代码与文档。演示片里的主播是作者自己的数字人，只能看，不能拿去当自己的作品。3
它把「出镜的那个人」从拍摄换成了按秒租用。下面三件事：它在链条上站在哪一层、从照片到成片要走哪几步、这笔账怎么算。
它在链条上站在哪一层
前面五十期拆的，多是链条上的一层：渲染底座、工作流格式、技法库、剪辑面板、发布线。
有一层一直没被单独拆过：画面里那个开口说话的人。
这和第 39 期的 vox-director 不是一回事。那一期的数字主播是素材之一，解说靠纸片拼贴撑起来；这一期主播是全片主体，其他包装都围着她转。5
也和第 36 期的 DramaClaw 不在同一层。那是一套能自托管的生产引擎，装在自己机器上；这一期是一条装进 Agent 的技能包，外面挂一个必须联网付费的生成服务。6
位置变了，要解的问题也变了。不是渲染得像不像，而是同一个人在十几段、几个场景里还是不是同一个人；以及每一段都按秒烧钱。
它在这一层怎么做事
形象是写死的。persona.json 存着参考图的 material id、外貌描述、声音描述、动作库和提示词模板，每条片子共用同一份。7
提示词把「照着参考图里的这个人」写进第一句，再让她念这段台词。声音描述也塞在同一句里，所以音色跨段一致。7
稿子按 5.4 字/秒估时，切成每段不超过 15 秒。超过 15 秒脚本直接退出，让你先拆短。4
切完先报价：段数、秒数、预估积分、余额一起打给你，你点头才提交。第一段单独拍，确认音色之后再批量。4
下载走六段 Range 并发。作者把理由写在技能里：Renoise 的美国 CDN 很慢，整文件拉会断。4
拿到片段先过两道质检。whisper 逐段回听、和稿子比对；再每段抽 4 帧看画面。1
抽帧不是走形式。Grok 偶尔会自己把字幕烧进画面，提示词写了 no subtitles 也挡不住，只能重拍那一段。4
docs/images/burned-subtitles.jpg：标题写着「Grok 自己烧进画面的字（提示词写了 no subtitles 也会出）」。这张图就是「每段抽 4 帧」这条规矩的来历。1声音要统一。三十段分开生成的口播，用 1/3 倍频程频谱向中位数匹配、去齿音、加同一个房间的混响，再统一响度。8
项目自报的效果是段间齿音差从 13.2 dB 收到 5.9 dB。8
之后对齐出逐字时间轴，交给 Remotion 按风格模板剪。五种风格各有一套默认包装。4
封面默认就做，还会接在成片最前面停 0.5 秒。平台拿首帧当封面，这样省掉一次单独上传。4
docs/images/ad-breakdown.jpg：一条 27 秒广告被切成五段，每段一句台词、挂一种包装。画面里的人全部是 AI 数字人，每帧左上角都标着「内容由 AI 数字人演绎」。1你要给什么，它交回什么
一张正脸、光线均匀、头发不挡脸的照片。从视频里取帧就挑嘴闭着的那一帧。9
只用本人或明确同意的人。项目不做任何身份校验，这一条靠你自己守。9
一个 Renoise 账号。连接走浏览器登录，不用复制 API key；接上以后你的密钥列表会多一把以「MCP ·」开头的访问密钥，而且不过期。10
本机要六样东西：ffmpeg、Python 加 numpy 与 Pillow、Node 18 以上、whisper.cpp 与模型、Playwright 加 Chromium。
它交回分段的口播 mp4、统一过的人声、逐字时间轴、一个可编辑的 Remotion 工程、成片，以及 16:9 / 9:16 / 3:4 三版封面。4
它不交回一个随时换人的平台。形象写死在 persona.json 里，换人要重做参考图、四视图和试拍。9
最短上手路径
四步：克隆仓库、把两个技能目录拷进 Agent、用插件市场装 Renoise MCP、跑一遍 doctor.sh。11
装完对 Agent 说一句「用我的数字人讲这段」，后面它自己走。1
我在一台 8 核 Linux 容器上跑了一遍，没有 Renoise 账号。能验的和不能验的分得很清楚。
doctor.sh 八项过六项：ffmpeg 7.1.5、Python 3.12.16、numpy、Pillow、Node 22.13.1、whisper-cli 都在。
缺两项：Playwright 与 whisper 模型。
build_tasks.py 拿四段共二十四秒的稿子跑了一遍，报 373 积分、分一批提交。这是估算，不是账单。13
new_edit.sh 起一个花字工程：45 秒内装完，node_modules 623 MB，顺手合成 30 个音效和一条占位配乐。1
check_edit.py 检查模板自带的 11 段、87.9 秒工程，回「时间引用全部能对上」。4
原因很实在：仓库不带任何主播素材，也不带第三方音频。剪辑那半条链能离线验，生成那半条必须有账号。1
所以真正的第一步是充钱。最低一档 20 美元，1,200 积分。14
会卡住的地方
报价确认不是硬上限
- 触发：你指望 Agent 不会超支。
- 现状：Renoise 的文档写明，生成前展示预估并等你确认只是给助手的指令，不是硬性的消费上限。10
- 你能做的：把余额当预算，按段提交，别一次把整片丢进去。
「不限量」不覆盖 MCP
- 触发：买了不限量档，想敞开跑。
- 现状：官方 FAQ 写明，不限量不能用于 Agent 对话、Director Mode、MCP 或 CLI。14
- 你能做的：按积分算钱，别按套餐名算。
480p 只有 400×736
- 触发：画中画段用了 480p，又要裁半身放大。
- 现状：作者因此重拍 4 段，多花 680 积分。4
- 你能做的：要裁要放大就一律走 720p，一开始多花的比返工少。
画面里会自己长出字幕
- 触发：提示词写了 no subtitles 就当没事。
- 现状：Grok 仍会烧字，项目因此规定每段抽 4 帧看。4
- 你能做的：抽帧这步别省，出字就重拍那一段。
回听会把念错「纠正」回去
- 触发：拿带原文提示的转写判断读音。
- 现状：技能里写明，「通胀」念成 tōng zhèng 照样判全对。4
- 你能做的：用 misread_check.py 不带原文重转一遍，可疑处自己听。
换声音会掉口型
- 触发：成片之后想换音色。
- 现状：Grok 的口型跟的是它自己生成的声音，事后换声差约 100 毫秒。4
- 你能做的：要么一开始就用它自带的声音，要么换音频驱动口型的模型。
每段 15 秒是硬上限
- 触发：一段长句。
- 现状：超过 15 秒，切段脚本直接退出，让你拆。4
- 你能做的：写稿就按十秒左右一段写。
下载要分片
- 触发：直接 curl 整段。
- 现状：项目自述美国 CDN 慢，脚本用 6 段 Range 并发加断点续传。4
- 你能做的：用仓库自带的 rangedl.py，别自己写下载。
仓库不带主播素材
- 触发：起完工程渲第一帧。
- 现状：public 目录里只有 emoji 与合成音效，渲帧直接 404。2
- 你能做的：先跑通生成，把片段放进 public 再剪。
景深字只有 macOS
- 触发：在 Linux 或 Windows 做「文字在人身后」。
- 现状：依赖 Apple Vision 做人物分割。12
- 你能做的：跳过这个组件，或者自己换一套抠像。
包装组件有三个口径
- 触发：照数字验收。
- 现状：README 与 packaging.md 的标题写 48 个，同一份 packaging.md 的表里 47 行，图鉴视频里数得到 43 格。1516
- 你能做的：按你真正用到的那几个组件验收，别按总数。
形象绑在账号上
- 触发：换账号或换机器。
- 现状：参考图存的是 material id，换账号或素材过期就要重新上传。7
- 你能做的：把参考图的源文件放进自己的仓库。
问题单区基本是推广
- 触发：想从 issue 里找坑。
- 现状：5 条里 3 条是「已收录到某工具库」的通知，真正算问题的只有 1 条跨平台字体路径。17
- 你能做的：去读 references 里的踩坑记录，那比 issue 密得多。
演示片链接曾经全 404
- 触发：照 README 点视频。
- 现状：有人报到 8 条全挂，一分钟内关闭；今天 curl 回 206。18
- 你能做的：链接挂了就直接去 releases 页找同名文件。
一个人维护
- 触发：想把它当长期依赖。
- 现状：7 次提交、2 位贡献者（其中一位是机器人）、1 个 release。2
- 你能做的：关键脚本 fork 一份，别等上游排期。
许可与真实成本
代码这条路清楚：MIT。演示片、主播形象、风格预览都不在授权里，只能看不能拿去用。3
地图数据是 ISC 的 world-atlas，底图来自公有领域的 Natural Earth。正式出版前边界表述要自己核对。12
Renoise 是第四笔账，也是唯一一笔按秒走的：闭源、按积分计费、条款另算。14
积分换算很直。20 美元 1,200 积分，约 0.0167 美元一分；最高一档 200 美元 16,000 积分，约 0.0125 美元。14
按它自己的价目：720p 每秒 17 积分，480p 每秒 10 积分。一分钟 720p 就是 1,020 积分。7
| 项 | 折成美元（2026-11-05 的价目） | 说明 |
|---|---|---|
| 720p 口播 | 每秒 0.283 美元，每分钟 17 美元 | 17 积分/秒，按 Starter 档换算 714 |
| 480p 口播 | 每秒 0.167 美元，每分钟 10 美元 | 原片只有 400×736，放大就糊 4 |
| 一条 27 秒直播广告 | 约 8 美元 | 482 积分，作者自报 1 |
| 重拍四段 | 约 11 美元 | 680 积分，作者自报 4 |
| 换 OmniHuman 重做口型 | 约 83 美元 | 全片约 5,000 积分，作者自报 4 |
| 最高档换算 | 每分钟 12.75 美元 | 200 美元 16,000 积分 14 |
这些是拿官方积分价乘出来的，不是账单。实际花多少，取决于你重拍几次。
我按二十四秒估出 373 积分，折合约 6.2 美元。一分钟的口播原料就在 17 美元上下，重拍翻倍很常见。
和之前几期放在一起看
| 方案 | 在链条上的位置 | 交回什么 | 许可 | 星标 |
|---|---|---|---|---|
| digital-human-koubo（本期） | 出镜层：租来的数字人 | 分段口播 + 可编辑的 Remotion 工程 | MIT，演示素材除外 3 | 1,760 2 |
| avatar-forge | 出镜层：开源技能 | 图 + 声 + 稿 → 口播片 | MIT 21 | 122 |
| awesome-talking-head-skills | 出镜层：动作库 | 可复用的出镜动作 | MIT 22 | 101 |
| lanshu-infinite-stream-koubo | 出镜层：母片复用 | 一套母片持续出片 | MIT 23 | 52 |
| vox-director（第 39 期） | 拼贴解说 + 数字主播 | 一条 30 秒解说片 | MIT 5 | 2,624 |
| video-shotcraft（第 42 期） | 技法与镜头卡 | 124 张镜头卡与模板 | Apache-2.0 24 | 16,855 |
| onetake（第 29 期） | 连续运镜动效 | 一支不断镜的动画片 | PolyForm Noncommercial 25 | 3,691 |
| Remotion（第 23 期） | 渲染底座 | 用 React 写视频 | 自订两层许可 26 | 70,471 |
星标全部是 2026-11-05 当天取值。
同层的四个项目都是 MIT，体量差得很远：本期 1,760 星，另外三个加起来 275 星。差别不在代码量，在于这一条把整条流水线和一个付费服务绑在了一起。
今天该不该动手
今天就动手：你要的是一个固定的人，天天讲不同的话题——课程、种草、直播切片、企业号口播。
再加两条：你手上有能用的正脸照；你接受一分钟原料二十美元上下、重拍另算。
一个具体场景：一周要出十条 60 秒竖屏，稿子现成，没人愿意出镜，也不方便每次都约人。
这套东西接得住：形象固定、包装成体系、封面自动出，改一句只重拍一段。
也能反过来判断。如果你每条片都要换人、换场景、换语气，15 秒一段的生成节奏和一次次重拍会把你拖住。
先收藏：你只想先做一条试试；你要 16:9 长片又要景深字，但不在 macOS 上；你不愿意把成片的一半成本绑在一个闭源服务上。
跳过：你需要真人出镜才有信任；你的题材对出镜人有资质要求；你已经有稳定的拍摄与剪辑排期。
它真正换掉的不是剪辑软件，是「请谁出镜」这个决定。照片从哪来、谁同意了这件事，它一句都没管。
References
- 1README.zh-CN
github.com
- 2digital-human-koubo
github.com
- 3NOTICE.md
github.com
- 4SKILL.md
github.com
- 5vox-director
github.com
- 6dramaclaw
github.com
- 7persona.json
github.com
- 8edit-styles.md
github.com
- 9new-avatar.md
github.com
- 10Renoise MCP
renoise.ai
- 11install.md
github.com
- 12THIRD_PARTY.md
github.com
- 13build_tasks.py
github.com
- 14Renoise pricing
renoise.ai
- 15packaging.md
github.com
- 16packaging README
github.com
- 17issue #3
github.com
- 18issue #1
github.com
- 19Remotion License
remotion.dev
- 20Noto Emoji Animation
googlefonts.github.io
- 21avatar-forge
github.com
- 22awesome-talking-head-skills
github.com
- 23lanshu
github.com
- 24video-shotcraft
github.com
- 25onetake
github.com
- 26remotion
github.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.