28|用获授权肖像与声音制作讲解视频
本篇制作经过授权的讲解视频。输入是一张有使用权的肖像、批准的口播稿,以及已获授权或标准合成声音。目标是完成可追溯的合成讲解片,不把真人身份和声音当成随手可下载的素材。
在生成前检查授权范围
记录肖像来源、被表现者同意的用途、声音来源、发布渠道、授权期限和是否允许修改文稿。授权文件可以存于受控系统,本地清单只保存引用编号,不必把签字或证件交给模型。标准 TTS 与声音克隆应区分;本教程默认使用标准声音,不教授仿冒未经同意的真人。
用我明确授权的肖像与文稿做讲解视频,使用标准合成声音。先检查当前 talking-avatar/lipsync 模型的输入与时长限制,解释会上传什么、如何标识合成内容及费用认知。没有所需授权或能力时停止。确认后只执行获批的文稿,不让人物说额外的话,交付完整视频和口型、声音、披露检查结果。
先音频,后视频,保存两份回执
审定口播稿后按 25 生成声音,完整听检。不要先让头像模型说完再修改文本,因为一次读音错误会拖着视频一起重做。音频通过后,记录真实时长,再选择支持肖像+音频输入的模型。
通过 atlas_list_models 查询 Video 类候选,再读取 atlas_get_model_info。确认工具实际需要的字段:图像可能是单 URL,声音可能是音频 URL,部分模型还要求视频模板。仅知道模型名字包含 avatar 不足以推断参数。若选择 atlas_quick_generate,先确认模型解析唯一且输入映射正确;面向发布任务优先使用已确定模型的明确请求。
取得上传许可后,把肖像和声音变为当前模型支持的输入。保留素材校验值、具体模型 ID 和两次任务 ID。不要将真实本地文件名放进 prompt 后当作已经上传。
视频验收要看连续段落
检查眼睛、牙齿、嘴部边缘、头颈连接、手部和背景的连续运动。听声音是否完整,口型有没有持续偏移;不能只凭首帧肖像接近就判定合格。对于镜头转动很大或嘴部被遮挡的输入,先换用获授权且更合适的照片,不应擅自抓取另一张网络肖像。
python3 scripts/media_audit.py ./assets/avatar-final.mp4 --require-audio --decode
实际文件路径由回执确定。解码检查不能测量口型同步,仍需观看和听检。若只声音坏了,先核对原音频;若音频正确而口型错位,问题在视频阶段,不必重新生成 TTS。
发布与交付
按照你的使用场景和适用要求清楚披露这是合成视频,避免暗示真人参加录制或亲自发表了未批准的讲话。身份与授权不能仅靠一个 consent=true 字段获得证明。交付视频、批准稿、合成说明、素材授权引用、模型/任务记录和人工检查结果;原始肖像与授权文件保持受控,不放进公开示例仓库。
依据与复现范围
依据:S3、S5。本文使用本包约定的教学文件;模型能力与价格以执行时实际目录为准。线上付费步骤未代用户执行,离线验证结果见 测试报告。通用路径、授权和状态约定见 执行约定。