Avatar Forge

让每一个创意，都拥有自己的数字人表达

选择公模快速开拍，或用一张照片和一段声音创建专属数字人。
从参考视频提炼新文案，再与 HyperFrames 或 ChatCut 组合成完整口播作品。

核心能力 · 使用方式 · 安装 · 安全边界

🖥️ Windows 桌面端

下载 Avatar Forge 1.0.3 · Windows x64

百度网盘下载 · 1.0.3 · Windows x64 · 提取码：7zty

使用 Lab 账号登录，在音色管理中上传参考音频克隆新音色，管理可复用的数字人和音色，输入口播稿制作并导出成片。桌面端独立版本为 1.0.3，Skill 版本保持 2.3.0。左下角更新面板显示下载进度，完成后可重启安装。当前 Windows 安装包尚未进行代码签名。

✨ 核心能力

[!TIP] 每项能力都能独立使用。你可以只下载视频、只提取文案、只改写、只克隆声音，或一次完成数字人视频。

🧭 一句话完成创作

不需要记命令，也不必理解复杂流程。把素材交给 Agent，然后描述结果即可。

使用 Avatar Forge，从公模中选择一位适合科技内容的数字人，制作这段口播稿。

使用 Avatar Forge，用这张人物图片和已授权参考声音，生成我的专属数字人口播视频。

使用 Avatar Forge，下载这个我有权使用的抖音视频，提取原文案，
并改写成一版 60 秒、自然口语风格的新稿。完成文案后停止。

使用 Avatar Forge 生成数字人视频，再交给 HyperFrames 或 ChatCut 完成字幕、包装和剪辑。

🧱 自由组合，不被流水线限制

flowchart LR
    A[🧑‍💼 选择公模] --> D[🎬 数字人口播]
    B[🖼️ 上传图片] --> C[🪄 专属数字人]
    E[🎙️ 参考声音] --> F[🔊 专属音色]
    C --> D
    F --> D
    G[📱 上传或引用视频] --> H[📝 提取原文案]
    H --> I[✨ 改写新文案]
    I -.->|可选继续| D
    D --> J[🧩 HyperFrames / ChatCut]

• 已经有视频：可以直接匹配口型。
• 已经有声音：可以跳过声音克隆。
• 已经有数字人：可以直接生成新的口播内容。
• 只需要文案：转写和改写完成后立即停止，不触发视频生成。
• 长任务意外中断：重新运行相同任务即可从已保存进度继续。

📦 安装

Codex

让 Codex 自动安装

在 Codex 桌面端新建任务并发送：

阅读 https://raw.githubusercontent.com/LycheeAILab/avatar-forge/main/INSTALL.md，帮我安装或升级 Avatar Forge。

手动安装

codex plugin marketplace add https://github.com/LycheeAILab/avatar-forge.git
codex plugin add avatar-forge@avatar-forge

安装完成后新建一个 Codex 任务，使插件在新会话中加载。

[!WARNING] 如果以前安装过独立版 ~/.codex/skills/avatar-forge-pipeline，请先将它移出活动 Skills 目录并保留备份。旧独立版与插件版同名，同时存在时可能导致 Agent 读取旧能力。曾使用 --ref 固定旧标签的 Marketplace 也需要重新添加为不带 --ref 的官方仓库源。

WorkBuddy

在 WorkBuddy 中发送：

阅读 https://raw.githubusercontent.com/LycheeAILab/avatar-forge/v2.3.0/WORKBUDDY_INSTALL.md，帮我安装 Avatar Forge 2.3.0；安装后只运行本地 doctor，不要提交任何生成任务。

也可以从 Avatar Forge 2.3.0 Release 下载 avatar-forge-workbuddy-2.3.0.zip，然后在 WorkBuddy 的 Skills 页面上传。

✅ 素材建议

人物视频

支持用已授权的人物 MP4 直接快速克隆，再用目标音频生成 zeroshot 口播，无需图片生成模板。也可以提供文案和参考声音／已有音色自动合成目标音频。原视频保留；建议单人、脸部清楚、无遮挡、无切镜。不保证逐帧保持原视频动作和场景。

python scripts/run_pipeline.py --video person.mp4 --avatar-only --audio speech.mp3 --output result.mp4

命令在 Skill 目录执行。MP4 最多 100 MB、2 分钟、25fps，分辨率最高 1080p（长边≤1920、短边≤1080），需 FFprobe。超限直接提示，不自动截断；最终口播最多 5 分钟。后续更换文案可复用已克隆人物，不必重复克隆。

图片要求

[!IMPORTANT] 请确认人物脸部清晰、没有遮挡、完整露出，且人物在画面中的比例适中。模糊、遮脸、面部超出画面或人物过大/过小都会影响生成效果。

参考声音

• 只使用本人声音，或已经获得明确授权的声音。
• 尽量选择人声清楚、环境噪声较少的录音。
• 避免背景音乐、多人同时讲话和明显混响。

参考视频

• 可以直接上传本地视频，也可以提供有权下载和使用的抖音链接。
• 抖音链接优先走内置免 Cookie 下载核心，不依赖 Edge/Chrome Cookie、Windows DPAPI 或 ChatGPT 浏览器扩展。
• 原始转写稿与改写稿分别保存，不会互相覆盖。
• 只有在你明确要求后，改写稿才会继续进入声音或数字人生成。

🛡️ 安全与授权

• 先授权再生成：仅处理你拥有合法使用权的人物、声音、视频和文案。
• 费用有确认：未经用户确认，不提交可能产生费用的生成任务。
• 密钥不下发：第三方服务凭据留在服务端，不进入仓库、用户文件或日志。
• 不读取浏览器 Cookie：抖音下载不读取 Edge/Chrome 登录态，不受 Windows DPAPI 或浏览器扩展影响。
• 拒绝冒充滥用：不得用于冒充他人、欺骗公众或制作违法违规内容。

🔌 生态组合

Avatar Forge 专注于数字人的创建、声音与口播生成。成片可以继续交给：

• HyperFrames：制作动态图形、字幕、品牌视觉和节目包装。
• ChatCut：完成口播剪辑、字幕、配乐、素材编排和最终导出。

这样既可以快速生成一条干净的数字人口播，也可以把它扩展成完整的短视频作品。

📄 开源协议

Avatar Forge 自有代码基于 MIT License 开源。scripts/douk_downloader 是隔离执行的 DouK 衍生辅助组件，保留完整源码、归属说明与 GPL-3.0 许可证；yt-dlp 和本地转写依赖遵循各自许可证。详见 Third-party notices。第三方平台服务受其服务条款约束。