lanshu-create-ai-presenter-video 拆解

拆解对象：cclank/lanshu-create-ai-presenter-video（2818★，活跃至 2026-10，327 文件，带 CI 与 tests） 拆解方式：GitHub API 直连文件树 + 通读 SKILL.md 全文（215 行）与 explainer/、references/、scripts/ 结构核对。生成实测需付费 provider，本期为结构实评。 口播形态对照：本拆解重点关注其与「资讯播报类口播视频」（比特新语类）的可迁移性。

1. 它解决什么问题

数字人口播的默认事故不是「做不出来」，是三件事：侵权（拿没授权的肖像和声音生成视频）、烧钱（口型没对齐就全片重渲、付费 API 反复试错）、对不上（配音改了一个词，字幕/图形/剪辑全部漂移）。大多数同类 skill 只管「生成」，这个 skill 的 SKILL.md 里最重的部分全是治理：授权确认链、付费审批五要素、修改路由表。

它的双路由设计也源于现实约束：有授权肖像的用户走 presenter（数字人出镜），没有的走 styled（12 种风格化解说替演）——并且「Never fall back to presenter silently：它需要用户可能没有的肖像」，不静默降级、开口问一次。

2. 怎么设计的

2.1 授权链：在掏钱之前逐项确认

Operating rules 第一组就是授权四件套：图像权利、成人状态、远程上传批准、声音克隆授权——「在相关远程动作之前」确认。两条配套铁律：「Never infer a real voice from an image」（不能从照片推断出真人声音——声音必须来自授权样本或选定库声）、「Never pass 用户已录旁白 as --voice-sample」（那是锁定音频，不是克隆素材）。这是对 AI 换脸/克隆事故带（国内已有多起数字人维权案）的正面回应，同类 skill 里独一份。

2.2 付费纪律：五要素 + hash 寻址防重复

「Treat remote generation as potentially billable」——第一次付费调用前必须报：上传了什么资产、请求的秒数/单位、已知成本、试跑规模、重试上限、预期产出。「Reuse an approval already given for that exact plan」——同一计划的批准可复用，但换计划重新问。topic-to-digital-human 同款思路的 hash 寻址（「approved this exact hash-addressed package → 不再问也不再重渲」）在这里表现为状态机复用。

2.3 master clock：locked narration 统治一切时间轴

「The final narration is the master clock for presenter motion, captions, graphics, cuts, and delivery duration.」定稿配音之后：ASR 回验（漏字/加字/数字/人名/口吃五类错误清单）、「Record real durations. These durations now define the timeline.」、provider 时长上限时用 ASR 时间戳切分而不是猜（plan_segments.py --timings sentences.json）。剪辑侧「deterministic timeline driven by the locked audio」，字幕和关键词图形「only after audio and selected media are final」——上锁顺序写死。

2.4 交付即审计：finalize_delivery.sh 的九项检查

母版/分享双编码 + 两遍响度归一化（-16 LUFS 默认，目标平台不同用 PROGRAM_LUFS 覆盖——这个环境变量设计本身就是「平台无关」的正确写法）+ 全解码验证 + 交付响度实测 + 黑帧/冻结帧计数 + 九帧 contact sheet。「builds everything in a temporary directory and publishes nothing unless every check passes」——不通过就不发布，fail-fast 的交付版。check_state.py --write 推进 job.json 状态到 verified，形成状态机闭环。

2.5 修改路由表：改什么就从哪重跑

Resume 规则精确到资产类型：词改 → research 起；发音改 → spoken 起；换声 → TTS 起；口型问题 → 只重做受影响 HeyGen 段；截图/封面/字幕 → Remotion only；编码问题 → render only。配套「Never spend HeyGen credits to fix a local composition or subtitle problem」——付费段和本地段的责任边界，把「改字幕重渲数字人」这种最冤的钱堵死了。

2.6 工程化程度：327 文件里的职业素养

CI（.github/workflows/validate.yml）+ tests/（smoke、story_timing、explainer_smoke）+ CHANGELOG + VERSION + 双语 README + agents/openai.yaml（跨 harness 声明）。explainer/ 子系统自成一体（STYLES.md 风格菜单 + gallery 缓存图 + GOTCHAS.md 坑典 + KITS.md + 工具链 14 个脚本）。job artifacts 目录契约 14 项标准化（job.json/docs/assets/qa/renders/outputs）。

3. 六维实评

4. 实测记录

• 结构实测（本期）：文件树 327 文件与 SKILL.md 引用对账（references 4 份 + explainer 工具 14 个脚本 + scripts 5 个 + tests 3 个 + CI workflow），无悬空引用；VERSION/CHANGELOG 存在，维护节奏到 2026-10 仍活跃。
• 生成实测（2026-10-27 部分完成）：presenter 出片被付费 provider + 授权肖像卡（按设计应被闸住）；自带 CI 级测试全绿——tests/smoke.sh 7 项（init 防覆盖/preflight 审查闸/check_state 拒绝无证据推进/plan_segments 按停顿切分/只有带证据才推进/finalize 验证后才发布/到 verified）+ tests/explainer_smoke.sh 8 项（路由判定/styled 跳过 presenter 检查/12 风格 starter 全同步/状态机拒绝草稿证据）。self-check 与 ssot 两维的 CI 实证。styled 路由 60 秒片待排期。

5. 可偷的设计模式（回灌自产线）

1. master clock（锁定音频统治时间轴） → 资讯视频产线的字幕/画面/剪辑全部挂配音时间戳，词改则全片重对位——与 anything2explainer「定稿后帧号锁定」同一条定律的两个表述，自产线应统一采用。
2. 付费前五要素报价 → 一切调付费 API 的 skill（生图/生视频/TTS）都该有：资产/单位/成本/试跑规模/重试上限。配 hash 寻址防重复付费。
3. 修改路由表 → 「改 X 只重跑 Y」矩阵直接适用于视频产线与 kb 产线（改图不重排全文、改译文不动术语表）。
4. 不通过就不发布 → deploy.sh 预检的同律加强版：临时目录构建、全检通过才落 outputs——可作为自产线视频交付的终点设计。
5. 授权四件套前置 → 用户未来若做数字人分身，「疯了再说」IP 授权链（肖像/声音/上传/克隆）应从第一天就按这个清单留痕。
6. PROGRAM_LUFS 式平台参数 → 平台差异（响度/画幅/时长）用环境变量外置而不是写死分支，工具页工程同款思路。

6. 边界与风险

• 付费依赖不可回避：presenter 路由的语音与数字人生成都是远程计费，免费路径只有 styled 的图形侧；国内 provider（即梦/火山）适配需自行验证 provider-neutral 声明。
• 重流程对轻需求：单条 60 秒资讯口播走全状态机（job.json + 14 目录 + 多闸门）偏重——适合周更精品，日更需裁剪。
• 中英双语但非中文优先：触发词与风格名已本地化，但 reference 文档主体是英文，中文语速/字幕断行等参数需按 anything2explainer 的中文实测值另配。
• ** HeyGen 类 provider 的单点风险**：口型修复、时长上限切分等设计均按商业 API 行为校准，换开源数字人栈（如 MuseTalk）时 plan_segments/qa 逻辑需重核。