Dlazy Jimeng Omnihuman 1.5
人像+音频/文本生成数字人播报视频
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Dlazy Jimeng Omnihuman 1.5。 它的用途是：人像+音频/文本生成数字人播报视频 完整的 Skill 内容见：https://321skill.com/skills/dlazy-jimeng-omnihuman-1-5-x-4/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'用这张头像照片和这段产品介绍音频，生成一个1分钟的数字人播报视频，背景设为白色。' 它会自动合成口型同步、表情自然的视频，输出MP4文件供直接使用。
介绍
该技能基于即梦（Jimeng）OmniHuman 1.5 模型，解决从单张人像图片和音频或文本快速生成逼真数字人播报视频的需求。用户只需提供一张正面或半身人像照片，以及对应的音频文件或文字脚本，即可自动合成口型同步、表情自然的数字人播报视频，大幅降低传统视频制作中真人出镜的录制成本和时间。
使用方式非常简单：将人像图片和音频/文本输入到技能中，选择分辨率、背景等参数，即可一键生成视频。技能内部自动完成人脸特征提取、唇形驱动、表情迁移、背景渲染等流程，无需用户具备任何AI或视频编辑经验。支持多语言音频输入，适配中文、英文等常见语种。
适合内容创作者、视频剪辑师、营销专员等需要快速制作数字人播报视频的场景。例如，用其生成产品介绍视频、课程讲解视频、新闻播报、社媒短视频等，尤其适合需要统一形象IP但真人出镜成本高的中小企业或个人博主。
建议使用时提供清晰正面人像（避免遮挡面部）和干净的音频（无背景噪音），以获得最佳效果。生成视频长度受限于模型上下文窗口，建议单次生成不超过3分钟。注意模型对非正面角度、夸张表情的泛化能力有限，复杂场景可能需要多次尝试。
核心特点
相比其他数字人播报工具，OmniHuman 1.5 在唇形同步精度和自然度上表现更优，且支持同时输入音频和文本两种驱动方式，灵活适配不同素材来源。
注意事项
不适合生成多人同框对话视频，且对输入人像的角度和遮挡敏感，侧脸或戴眼镜人像可能效果下降。
常见问题
支持哪些图片格式？
支持 JPG、PNG，建议尺寸 512x512 以上。
生成的视频最长多少秒？
建议单次生成不超过3分钟，过长可能导致口型不同步。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/dlazy-jimeng-omnihuman-1-5-x-4/raw/index.md 读取 Dlazy Jimeng Omnihuman 1.5 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/dlazy-jimeng-omnihuman-1-5-x-4/raw/index.md（查看排版版本）