agentkit-multimedia-shopping

# AgentKit多媒体小省导购员数字人带货 ## 任务目标 - 本技能用于：基于ByteDance agentkit-samples多媒体用例，生成小省导购员数字人带货视频的多模态内容 - 能力包含： - AI绘画生成（小省导购员角色形象、场景背景） - 语音合成（导购员语音、背景音乐） - 视频生成（多模态组合） - 工作流编排（图像→音频→视频→成片） - 触发条件：用户需要生成小省导购员数字人带货视频，使用agentkit-samples的多媒体能力 ## 前置准备 ### 依赖说明 本技能依赖以下Python包： ``` Pillow>=10.0.0 requests>=2.28.0 numpy>=1.24.0 ``` ### 环境准备 1. 安装agentkit-samples（如需要） 2. 准备API凭证（如涉及第三方服务调用） 3. 准备小省导购员角色固定特征描述 ### 前置知识 - 了解ByteDance agentkit-samples多媒体用例的基本功能 - 了解AI绘画、语音合成、视频生成的基本原理 - 了解9:16竖屏视频规格 ## 操作步骤 ### 标准流程 #### 1. 角色形象生成 使用AI绘画生成小省导购员角色形象： **输入信息**： - 角色固定特征（脸型、发型、服饰、气质） - 场景类型（商务场景） - 情绪基调（热情、专业、亲切） **生成流程**： 1. 读取 [references/character-profile.md](references/character-profile.md)，获取小省导购员角色固定特征 2. 调用 [scripts/generate_character.py](scripts/generate_character.py) 生成角色形象 3. 裁剪为9:16比例，分辨率≥1080×1920 4. 保存参考图（供InfiniteTalk使用） **输出**：角色参考图（9:16竖屏） #### 2. 场景背景生成 使用AI绘画生成场景背景： **输入信息**： - 场景类型（商务会议室、书房、洽谈室、大厅、办公室） - 情绪基调（冷调、暖调、中性） - 光影描述（侧光、顺光、顶光、逆光） **生成流程**： 1. 读取场景模板，选择对应场景类型 2. 调用 [scripts/generate_scene.py](scripts/generate_scene.py) 生成场景背景 3. 裁剪为9:16比例，分辨率≥1080×1920 4. 保存场景参考图 **输出**：场景参考图（9:16竖屏） #### 3. 语音合成 使用TTS生成导购员语音： **输入信息**： - 话术内容（带货文案） - 语音类型（语速、语气） - 情绪基调（热情、专业、亲切） **生成流程**： 1. 准备话术内容（符合小省导购员人设） 2. 调用 [scripts/generate_voice.py](scripts/generate_voice.py) 合成语音 3. 导出为16kHz单声道wav格式 4. 保存语音文件（供InfiniteTalk使用） **输出**：语音文件（16kHz单声道wav） #### 4. 背景音乐生成 使用音乐生成工具生成背景音乐： **输入信息**： - 情绪基调（热情、专业、紧迫、亲切） - 音乐风格（管弦乐、钢琴、弦乐） - 时长（5秒/幕） **生成流程**： 1. 根据情绪基调选择音乐...