数字人视频工厂产品系统

本地商家需要低成本制作口播短视频用于抖音、视频号等平台推广。传统数字人视频制作成本高、周期长，中小商户难以承受。本项目提供一键式解决方案：上传商品照片即可自动生成带口播、字幕、BGM的短视频，30秒出片，零成本，支持多平台一键分发。

1.文案引擎：无API key走本地模板，支持LLM升级；2.TTS引擎：edge-tts 8个中文音色+离线SAPI回落；3.ffmpeg合成：ASS字幕、kenburns效果、混排合成；4.数字人模块：rembg抠图+PIL口型模拟+眨眼+呼吸动画；5.多平台发布：Playwright自动化分发到抖音、视频号等；6.双端服务：PC端端口5005，手机端端口5006，局域网可访问；7.人像检测：基于rembg alpha主体长宽比判定，招牌/商品图自动降级为图文版。

我独立完成全部开发。技术栈：Python Flask + SQLite + PIL/rembg + ffmpeg + edge-tts + Playwright。核心难点：1.本机AMD 4800U核显+15G内存跑不了SadTalker，用rembg(onnx)+PIL模拟口型动画替代；2.PyTorch本机DLL初始化失败(WinError 1114)，绕开torch用onnxruntime 1.19.2；3.ffmpeg合成时字幕与AI生成角标同帧渲染需精确时间轴控制；4.后台Flask进程会被exec回收，改用独立窗口bat启动保活。实测30秒视频约40-90秒出片。