GitHub पर एआई डिजिटल ह्यूमन वीडियो जनरेशन टूलसेट लॉन्च

डेवलपर बेरीक्सिया (andyhuo520) द्वारा digital-human-koubo नामक एक नया ओपन-सोर्स प्रोजेक्ट GitHub पर जारी किया गया है। यह टूल एक ही तस्वीर से एआई प्रेजेंटर वाले वीडियो बनाने के लिए एक एजेंट-संचालित फ्रेमवर्क प्रदान करता है। यह रिपॉजिटरी रिमोट एमसीपी जनरेशन, स्वचालित गुणवत्ता जांच, वॉयस स्पेक्ट्रल मिलान और मल्टी-स्टाइल पैकेजिंग को एकीकृत करती है।

मुख्य कार्यप्रवाह और क्षमताएं

इस प्रोजेक्ट को एक एजेंट स्किल (`SKILL.md`) के रूप में तैयार किया गया है, जो Claude Code, Codex, OpenClaw, और WorkBuddy जैसे एआई कोडिंग सहायकों के साथ काम कर सकता है। दस्तावेज़ीकरण के अनुसार, मुख्य कार्यप्रवाह में निम्नलिखित चरण शामिल हैं:

• पर्सना स्थिरता: विजुअल स्थिरता बनाए रखने के लिए `persona.json` में चेहरे, पोशाक और आवाज का विवरण सहेजा जाता है।
• सेगमेंट जनरेशन: स्क्रिप्ट को 15 सेकंड से कम के खंडों में विभाजित किया जाता है और Renoise मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) सर्वर के माध्यम से वीडियो जनरेट किए जाते हैं।
• गुणवत्ता नियंत्रण: स्क्रिप्ट के साथ ऑडियो सत्यापित करने के लिए Whisper ट्रांसक्रिप्शन का उपयोग किया जाता है, साथ ही फ्रेम निरीक्षण भी किया जाता है।
• ऑडियो समेकन: अलग-अलग जनरेट किए गए क्लिप को एक जैसी आवाज देने के लिए स्पेक्ट्रल मैचिंग और लाउडनेस नॉर्मलाइजेशन लागू किया जाता है।

क्रिएटर पैकेजिंग और स्टाइलिंग

इस रिपॉजिटरी में पांच एडिटिंग स्टाइल और 48 पैकेजिंग घटक शामिल हैं। मुख्य दृश्य विशेषताओं में शामिल हैं:

• टेक्स्ट-बिहाइंड-प्रेजेंटर: पृष्ठभूमि और वक्ता के बीच ग्राफिक्स रखने के लिए macOS Vision विभाजन का उपयोग करता है।
• स्वचालित थंबनेल: वीडियो के शुरुआती 0.5 सेकंड में एक हुक फ्रेम उत्पन्न करता है।
• बहु-भाषा समर्थन: अंग्रेजी, जापानी, कोरियाई, फ्रेंच, स्पेनिश और अरबी के लिए परीक्षण किए गए हैं।

पूर्वापेक्षाएँ और सत्यापन

इस टूल को चलाने के लिए `ffmpeg`, Python, और Node के साथ एक स्थानीय वातावरण और Renoise पर एक सक्रिय खाते की आवश्यकता होती है।

व्यावहारिक निहितार्थ और सत्यापन

लेखक नैतिक दिशानिर्देशों पर जोर देता है, जिसमें किसी भी चेहरे या आवाज के उपयोग के लिए स्पष्ट अनुमति, एआई-जनित सामग्री की अनिवार्य घोषणा और क्रेडिट खर्च करने से पहले उपयोगकर्ता की मंजूरी शामिल है। पाठक GitHub रिपॉजिटरी पर मूल घोषणा की जांच कर सकते हैं।