今天（2026-10-09）刷 GitHub trending，又撞上一个被营销号吹上天的“国产神器”——一张照片加一段文案，本地一键生成数字人口播，还被传成“2.6 万星、完全免费、素材不上云”。我点进仓库翻了 README，又交叉核对了几个信源，发现真相跟短视频标题差得有点远；但把泡沫挤掉之后，它反而是个真正能进生产的硬货：lanshu-create-ai-presenter-video。

① 它是什么，解决什么老痛点

一句话：它是个“指挥官型”的 Agent Skill，把一个主题或一份文案、加一张你有权使用的成年人像，变成一条带字幕、口型校准过的数字人口播视频。流程覆盖脚本、配音、人物生成、口型同步、字幕与关键词动效、剪辑、渲染、质量验收——整条流水线交给 Claude Code、Codex、Cursor、OpenCode、GitHub Copilot 这类本地 Agent 自动跑，你已有的语音和视频账号直接复用，没有平台抽成。

老痛点很实在：做口播要么真人天天出镜累，要么买 HeyGen、D-ID 这类会员月月扣钱。Lanshu 不绑定任何服务商，环境里有什么能力就用什么，换模型不用改一行代码。

② 核心能力：它怎么做到的

几个设计点值得记。

音频锁定时间轴。已定稿的配音是全片的主时钟，人物视频、字幕、镜头、关键词动效、转场全部对齐同一条音轨。这是它最狠的一招——直接把口型漂移和片段衔接问题从根上压下去，不用反复重生成昂贵的视频片段。

八状态证据门禁。从 intake 到 verified 一共八个生产状态（intake、content_locked、audio_locked、visual_plan_locked、presenter_generated、composition_checked、rendered、verified），由 check_state.py 根据磁盘上的产物反推，不是手写声明“我做到了”。任一口子缺证据就不准往下走。

成本护栏。先用 5 秒 pilot 试片；首次付费前必须给一份账单说明（生成内容、时长、计价依据、试跑方案、重试上限）；连续三次付费候选失败就自动停；中断后按 task ID 恢复，避免重复扣费。

验收交付。母版加分享版要做全解码、按 -16 LUFS 响度校验、查黑帧和冻帧，再出接触表和交付报告，才允许发布。

提供商中立。语音、数字人视频、口型、语音识别都是运行时按能力选型，每条任务记录实际用的服务商、模型、参数和任务 ID。MIT 协议，2026-08-20 由开发者 cclank（中文圈称“岚叔”）开源。

③ 上手步骤：怎么跑通第一条

环境要求：一个支持 Agent Skills 的本地 agent（或直接 Read SKILL.md 照做也行）；Python 3.9+、FFmpeg/ffprobe、Bash、jq、awk、sed；至少各一种可调用的视频生成、语音生成、口型同步能力（云 CLI、API、本地模型都行，README 举例用 MiniMax 的 API key 做语音和词级时间戳）。

安装就是一条 clone，目录名必须保留成 lanshu-create-ai-presenter-video：

```git clone 网页链接 ~/.codex/skills/lanshu-create-ai-presenter-video```

初始化任务目录（以 Codex 为例）：

```SKILL_DIR=~/.codex/skills/lanshu-create-ai-presenter-videopython3 "$SKILL_DIR/scripts/init_job.py" \ --job-dir ~/Videos/my-presenter-video \ --presenter-image ~/Pictures/presenter.png \ --topic "用一分钟讲清上下文工程" \ --duration 60 --aspect 9:16 \ --rights-confirmed --adult-presenter-confirmed```

补全 job.json 里的人工检查与远程上传许可后跑预检：

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

之后直接在对话里说“用 $lanshu-create-ai-presenter-video 把这份文案和人物图做成 30 秒 16:9 带实时字幕的口播”也行。默认 9:16、1080×1920、30fps，话题类视频通常 45–75 秒。

④ 适用场景与边界

谁该用：要做知识口播、带货矩阵、栏目化短视频的工作室和独立创作者；尤其适合已经养好本地 Agent 环境、手里捏着几家生成 API 的人。

谁别碰：指望“免费、本地离线、一键出片”的人——那是营销号编的。它自己不生成画面，是代调用你环境里的能力，所以成本取决于你接的付费服务，并非零成本。

已知局限：第一，质量上限等于你接的模型与技能质量；第二，权利确认是硬门槛（人像授权、成年、声音克隆授权缺一不可）；第三，星数口径各源不一，findarepo 与 GitTrend 报约 2,000 星，头条某文写 851 星，那个“2.6 万星”是虚的；第四，需要你自备至少三种生成能力，纯小白第一次配环境会有门槛。

⑤ 来源与延伸

- 仓库与 README：网页链接- findarepo AI 视频榜单（含星速）：网页链接- GitTrend 仓库页（趋势与星数）：网页链接- 反营销号误区拆解：网页链接

说白了，做口播最累的不是写稿，是反复重拍和反复对齐口型；这个 Skill 把那两个最磨人的环节交给一条跑得动的流水线，你只管把文案和一张授权照片丢进去，剩下的交给它——这种“把苦活外包给 SOP”的爽感，用过一次就回不去了。