Codex Skill yordamida raqamli inson tushuntiruvchi videosini yaratish: vazifani ishga tushirishdan sifat nazoratigacha

Loyiha haqida

lanshu-create-ai-presenter-video — Codex uchun mo‘ljallangan universal raqamli inson videosi yaratish Skill’i. Siz faqat mavzu yoki to‘liq matn, shuningdek, ruxsat bilan olingan, voyaga yetgan va yuzi aniq ko‘rinadigan inson tasviri tushirilgan namunaviy rasmni taqdim etasiz. Skill raqamli inson videosini yaratishning asosiy bosqichlarini tashkil qiladi.

To‘liq jarayon matnni tartibga solish, ovoz yaratish, qahramon generatsiyasi, lab harakatlarini moslashtirish, subtitrlar, kalit so‘z animatsiyalari, montaj, render va sifat nazoratini qamrab oladi. Loyiha imkoniyatlarni tanlash usulidan foydalanadi: vazifani bajarish uchun joriy muhitda mavjud vositalarni ishga tushiradi va manba kodida muayyan xizmat ko‘rsatuvchi, model nomi yoki yopiq API’ga bog‘lanmaydi.

Ushbu Skill mustaqil video generatsiya modeli emas. U Codex yoki mahalliy Skill’larni qo‘llab-quvvatlaydigan Agent muhitida ishlashi va shu muhitda chaqiriladigan video generatsiyasi, ovoz generatsiyasi hamda lab harakatlarini sinxronlash imkoniyatlariga tayanishi kerak.

Asosiy xususiyatlar

• Xizmat ko‘rsatuvchiga bog‘lanmagan: ish jarayoni muayyan model, platforma yoki yopiq API’ga qat’iy tayanmaydi.
• To‘liq ishlab chiqarish zanjiri: kirish ma’lumotlarini tekshirish, ssenariy va ovoz yaratishdan tortib montaj, subtitr, muqova, eksport va qabul qilishgacha bo‘lgan jarayonlar mavjud.
• Yagona vaqt asosi: to‘liq ovozli trek butun video uchun vaqt o‘qi sifatida olinadi; qahramon videosi, subtitrlar, kadrlar, kalit so‘zlar va o‘tishlar shu asosda joylashtiriladi.
• Ma’lumotnomalarni bosqichma-bosqich yuklash: Codex tegishli hujjatlarni faqat tegishli bosqichga kirilganda o‘qiydi va shu orqali kontekst sarfini kamaytiradi.
• Xarajatlarni nazorat qilish: avval arzon qahramon sinov videosi yaratiladi, pulli generatsiya izohi, qayta urinish chegarasi va uzilishdan tiklanish qoidalari belgilanadi.
• Xavfsizlik va maxfiylik: qahramon rasmi yoki klonlangan ovozni yuklashdan oldin ruxsat tasdiqlanadi; omborda API kalitlari, kirish tokenlari yoki foydalanuvchi materiallari saqlanmaydi.
• Standartlashtirilgan topshirish: jarayon master nusxa, ulashish nusxasi va QA hisobotini chiqarishni ko‘zda tutadi.

Kirish ma’lumotlari va ish muhitini tayyorlash

Minimal kirish ma’lumotlari

1. Video mavzusi yoki to‘liq matn.
2. Ruxsat bilan olingan, voyaga yetgan va yuzi aniq ko‘rinadigan inson tasviri tushirilgan namunaviy rasm.

Shuningdek, ovoz namunasi, ekran yozuvi, rasmlar, B-roll, brend materiallari, maqsadli platforma, video davomiyligi, ekran yo‘nalishi, vizual uslub, suv belgisi va yakuniy chaqiriqni taqdim etishingiz mumkin. Ovoz namunasi faqat tegishli ruxsat olinganidan keyin ovoz klonlash uchun ishlatilishi mumkin.

Muhit talablari

• Codex yoki mahalliy Skill’larni qo‘llab-quvvatlaydigan Agent muhiti.
• Python 3.9+.
• FFmpeg va ffprobe.
• Bash, jq, awk va sed.
• Joriy muhitda chaqiriladigan kamida bitta video generatsiyasi, ovoz generatsiyasi va lab harakatlarini sinxronlash imkoniyati.

Vazifani boshlashdan oldin ushbu buyruqlar va generatsiya imkoniyatlari joriy muhitda mavjudligini tekshiring. Loyiha omborini GitHub orqali ko‘rish mumkin.

Skill’ni o‘rnatish

Omborni Codex’ning Skill katalogiga klonlash uchun quyidagi buyruqni ishga tushiring:

git clone https://github.com/cclank/lanshu-create-ai-presenter-video.git \
  ~/.codex/skills/lanshu-create-ai-presenter-video

O‘rnatishdan keyingi yo‘l quyidagicha bo‘lishi kerak:

~/.codex/skills/lanshu-create-ai-presenter-video

Katalog tuzilmasi

lanshu-create-ai-presenter-video/
├── SKILL.md
├── README.md
├── agents/
│   └── openai.yaml
├── assets/
│   └── job.template.json
├── references/
│   ├── generation.md
│   ├── editing.md
│   └── qa-recovery.md
└── scripts/
    ├── init_job.py
    ├── preflight.py
    └── finalize_delivery.sh

Uchta ma’lumotnoma hujjati turli ishlab chiqarish bosqichlariga xizmat qiladi:

• generation.md: kirish ma’lumotlarini tekshirish, matn, ovoz, imkoniyat tanlovi, pulli generatsiya, qahramon promptlari va izchillikni boshqaradi.
• editing.md: vaqt o‘qi, boshlanish va yakun, subtitr sozlamalari, qahramon yonidagi kalit so‘z animatsiyalari, muqova va eksportni boshqaradi.
• qa-recovery.md: texnik qabul, inson tomonidan qabul qilish va keng tarqalgan nosozliklarni tuzatishni boshqaradi.

Birinchi usul: videoni suhbatda bevosita yaratish

Eng oddiy usul — Codex suhbatida Skill’ni aniq chaqirish va birga matn, qahramon rasmi hamda yakuniy video talablarini berish. Masalan:

$lanshu-create-ai-presenter-video dan foydalanib, ushbu matn va qahramon rasmini 16:9 formatdagi, 30 soniyalik, real vaqt subtitrlariga ega raqamli inson tushuntiruvchi videosiga aylantir.

So‘rov yuborishda materiallar joylashuvi, maqsadli platforma, davomiylik, ekran nisbati, subtitr shakli, uslub, suv belgisi va yakuniy chaqiriqni ham ko‘rsatish tavsiya etiladi. Ruxsat berilgan ovoz namunasi bo‘lmasa, tizim ovozni o‘zboshimchalik bilan klonlamaydi, balki mos tayyor ovozni tanlaydi.

Ikkinchi usul: standart vazifa katalogini ishga tushirish

Konfiguratsiyani tekshirish, vazifa qaydlarini saqlash yoki bosqichma-bosqich ishlash kerak bo‘lgan loyihalarda avval ombor skripti yordamida standart vazifa katalogini yarating.

1-qadam: Skill yo‘lini belgilang

SKILL_DIR=~/.codex/skills/lanshu-create-ai-presenter-video

2-qadam: Vazifani ishga tushiring

python3 "$SKILL_DIR/scripts/init_job.py" \
  --job-dir ~/Videos/my-presenter-video \
  --presenter-image ~/Pictures/presenter.png \
  --topic "Video mavzusi" \
  --duration 60 \
  --aspect 9:16 \
  --rights-confirmed \
  --adult-presenter-confirmed

Ushbu misol davomiyligi 60 soniya, nisbati 9:16 bo‘lgan vazifa yaratadi. --rights-confirmed qahramon rasmini ishlatish huquqi tasdiqlanganini, --adult-presenter-confirmed esa namunaviy rasmdagi inson voyaga yetganini tasdiqlaydi.

Tegishli tasdiqlash parametrlaridan faqat ruxsat va qahramon holati haqiqatan tekshirilganidan keyin foydalaning. Masofaviy yuklashdan oldin vazifa konfiguratsiyasidagi ruxsat ma’lumotlarini yana tekshiring.

3-qadam: job.json faylini to‘ldiring

Ishga tushirgandan so‘ng vazifa katalogiga kiring va yaratilgan job.json faylini ko‘ring. Vazifaning haqiqiy holatiga ko‘ra qo‘lda tekshiriladigan bandlar va masofaviy yuklash ruxsatlarini to‘ldiring. Ruxsatsiz qahramon rasmi, ovoz namunasi yoki boshqa materiallarni masofaviy xizmatga yubormang.

4-qadam: Dastlabki tekshiruvni ishga tushiring

python3 "$SKILL_DIR/scripts/preflight.py" ~/Videos/my-presenter-video/job.json

Dastlabki tekshiruv rasmiy generatsiyadan oldin vazifa konfiguratsiyasini tekshiradi. Tekshiruv aniqlagan muammolarni avval bartaraf eting, shundan keyingina xarajat talab qilishi mumkin bo‘lgan video, ovoz yoki lab harakatlarini sinxronlash bosqichiga o‘ting.

To‘liq ishlab chiqarish jarayonini tushunish

1. Mavzu yoki matn va qahramon rasmini qabul qilish: materiallarning yaroqliligini, rasm ruxsatini va qahramonning voyaga yetganini tekshirish.
2. Matn va to‘liq ovozli trekni tasdiqlash: avval yakuniy bayon qilinadigan mazmunni aniqlash, keyin butun video uchun ovoz yaratish.
3. Arzon qahramon sinov videosini yaratish: keng ko‘lamli pulli generatsiyadan oldin qahramon ko‘rinishi va texnik yo‘nalishni tekshirish.
4. Uzluksiz raqamli inson asosiy materialini yaratish: tasdiqlangan ovoz va qahramon sozlamalari asosida asosiy kadrlarni generatsiya qilish.
5. Bir xil audio vaqt o‘qi bo‘yicha montaj qilish: qahramon videosi, subtitrlar, kadrlar, kalit so‘zlar va o‘tishlar uchun yagona vaqt asosini saqlash.
6. Subtitr, kalit so‘z animatsiyalari va muqova qo‘shish: axborotni kuchaytirish va nashrga tayyorlash.
7. Sifat nazoratini o‘tkazish: lab harakatlari, qahramon izchilligi, ovoz va tasvir sifatini tekshirish.
8. Topshirishni yakunlash: master nusxa, ulashish nusxasi va QA hisobotini chiqarish.

To‘liq ovozli trek jarayonning asosiy mezonidir. Avval audioni tasdiqlab, keyin video va subtitrlarni unga moslashtirish lab harakatlarining siljishi hamda turli qismlar orasidagi ulanish muammolarini kamaytiradi.

Standart chiqish sozlamalari

Aniqroq talablar berilmasa, ish jarayoni quyidagi standart yo‘nalishdan foydalanadi:

• Vertikal 9:16, 1080×1920 ruxsat, 30fps kadr tezligi.
• Mavzu asosida yaratiladigan videolar odatda 45–75 soniya davom etadi.
• Ruxsat berilgan ovoz namunasi bo‘lmasa, mos tayyor ovoz ishlatiladi.
• Tuzilma odatda aniq kirish, 2–4 ta mazmuniy qism va qisqa yakunni o‘z ichiga oladi.
• Musiqa va tijoriy chaqiriqlar talabga ko‘ra qo‘shiladi.
• Nashr ovoz balandligi maqsadi taxminan -16 LUFS.

Maqsad gorizontal video bo‘lsa, suhbat misolidagi kabi 16:9 formatini aniq ko‘rsating; qisqa video platformalari uchun kontent tayyorlamoqchi bo‘lsangiz, standart 9:16 formatini qoldiring yoki vazifani ishga tushirishda --aspect 9:16 orqali aniq belgilang.

Ilg‘or foydalanish usullari

Avval ovozni tasdiqlang, keyin barcha vizual elementlarni joylashtiring

Subtitrlar, kadrlar va qahramon qismlari uchun bir-biridan mustaqil vaqt o‘qlarini yaratmang. Avval to‘liq ovozli trekni yarating va tasdiqlang, so‘ng subtitrlar, qahramon tasviri, kalit so‘z animatsiyalari va o‘tishlarni bir xil audioga moslang. Bu umumiy sinxronlikni yaxshilaydi.

Pulli generatsiyadan oldin sinov videosi yarating

Pulli generatsiyaga birinchi marta kirishdan oldin yuklanadigan materiallar, generatsiya davomiyligi, narxni belgilash mezonlari, sinov rejasi va qayta urinish chegarasini aniq belgilang. Arzon sinov videosi qahramon ko‘rinishi, lab harakatlari yoki vositalar mosligi bilan bog‘liq muammolarni oldindan ko‘rsatib, to‘liq videoni behuda generatsiya qilishning oldini oladi.

Uzilishdan keyin mavjud vazifani tiklashni ustuvor qiling

Masofaviy vazifa uzilib qolsa, uni darhol qayta yubormang. Avval mavjud vazifa ID’sini tekshirib, vazifa hali ishlayotganini yoki natija yaratganini aniqlang. Bu takroriy to‘lovlarning oldini oladi. Ketma-ket uchta pulli nomzod muvaffaqiyatsiz bo‘lsa, generatsiyani to‘xtatib, muammoni umumlashtiring.

Texnik va insoniy qabulni ajrating

Texnik tekshiruv fayl va media qatlamidagi xatolarni qamrab olishi mumkin. Insoniy tekshiruv esa lab harakatlarining tabiiyligi, qahramon izchilligi, ovozning mosligi, subtitrlarning o‘qilishi va tasvirning nashr talablariga javob berishiga e’tibor qaratishi kerak. Qabul qilish va nosozliklardan tiklanish qoidalari references/qa-recovery.md faylida joylashgan.

Vazifa qaydlari va materiallar maxfiyligini himoyalang

• API kalitlari, kirish tokenlari yoki imzolangan yuklab olish manzillarini omborga yozmang.
• Vazifa darajasidagi so‘rov qaydlarini yuborishdan oldin maxfiy ma’lumotlar va vaqtinchalik URL’larni olib tashlang.
• Dastlabki tekshiruv va topshirish hisobotlarida faqat fayl nomlarini saqlang, dasturchi kompyuterining mutlaq yo‘llarini yozmang.
• Qahramon rasmini masofaviy yuklashdan oldin undan foydalanish huquqini tasdiqlang.
• Ovoz klonlash imkoniyatidan foydalanishdan oldin ovozga berilgan ruxsatni tasdiqlang.

Xulosa

lanshu-create-ai-presenter-video raqamli inson videosini yaratishni tekshiriladigan va tiklanadigan standart bosqichlarga ajratadi hamda yagona ovoz vaqt o‘qi orqali lab harakatlari va montaj ulanishlari bilan bog‘liq muammolarni kamaytiradi. Skill’ni o‘rnatgach, Codex suhbatida bevosita vazifa boshlashingiz yoki avval job.json faylini yaratib, dastlabki tekshiruvni ishga tushirishingiz mumkin. Bu ruxsatlar, xarajatlar, generatsiya jarayoni va yakuniy sifatni qat’iyroq nazorat qilish imkonini beradi.

Ushbu loyiha MIT License asosida tarqatiladi va undan erkin foydalanish, uni o‘zgartirish hamda tarqatishga ruxsat beradi. Foydalanish bo‘yicha fikrlarni GitHub Issue orqali yuborish, ish jarayoni, moslik va sifat tekshiruvlarini yaxshilashga esa Pull Request orqali hissa qo‘shish mumkin.