BatchLiveTalk媒体工作台产品系统Vibe Coding

适用于现如今当下的自媒体工作流；支持批处理产出数字媒体作品。当下流行的数字人本地模型部署，语音模型部署等

核心功能
01　数字人形象：一张照片就能开口说话
上传一张人像照片，即可生成可驱动的数字人形象；也支持短视频素材。形象统一入库管理，一次登记长期复用。
- 支持「自然眨眼」模式，画面不是一张僵住的图
- 多个形象并存，不同内容用不同人设
- 形象卡片可直接「用于生成」，不必再翻素材目录
形象素材
02　声音克隆：10–60 秒素材，复刻一个专属音色
上传一段参考音频即可登记音色。mp3 / wav / m4a 都行，视频文件也能直接传——系统会自动提取音轨。
不用你填参考文本：登记时会自动截取 3–10 秒干净人声、自动识别文字稿、自动定稿保存。
声音克隆
03　文本转语音：细到可以调的配音
基于本地 GPT-SoVITS，选音色、给文本，直接出配音。
- 合成粒度三种：整段一条、按句、按行（多条独立文案按行切最省事）
- 语速可调；音色下拉直接选已登记档案
- 高级参数开放：扩散步数、采样温度、top_p / top_k、重复惩罚、随机种子、文本切分方式
- 合成结果自动进「语音库」，可试听、改名、下载
文本转语音
04　批量出片：一批语音，一次提交
选好形象、把多条语音一次性导入，系统按「一条语音 = 一条视频」批量产出，底部实时显示「将生成 N 条视频」。
- 逐条语音独立成片，互不干扰
- 支持直接勾选语音库里已合成的音频
- 右侧可单条试跑：先验一条看看口型对不对，再整批提交，不白等
- 批次提交后进「任务队列」，进度逐条可见

核心功能
01　数字人形象：一张照片就能开口说话
上传一张人像照片，即可生成可驱动的数字人形象；也支持短视频素材。形象统一入库管理，一次登记长期复用。
- 支持「自然眨眼」模式，画面不是一张僵住的图
- 多个形象并存，不同内容用不同人设
- 形象卡片可直接「用于生成」，不必再翻素材目录
形象素材
02　声音克隆：10–60 秒素材，复刻一个专属音色
上传一段参考音频即可登记音色。mp3 / wav / m4a 都行，视频文件也能直接传——系统会自动提取音轨。
不用你填参考文本：登记时会自动截取 3–10 秒干净人声、自动识别文字稿、自动定稿保存。
声音克隆
03　文本转语音：细到可以调的配音
基于本地 GPT-SoVITS，选音色、给文本，直接出配音。
- 合成粒度三种：整段一条、按句、按行（多条独立文案按行切最省事）
- 语速可调；音色下拉直接选已登记档案
- 高级参数开放：扩散步数、采样温度、top_p / top_k、重复惩罚、随机种子、文本切分方式
- 合成结果自动进「语音库」，可试听、改名、下载
文本转语音
04　批量出片：一批语音，一次提交
选好形象、把多条语音一次性导入，系统按「一条语音 = 一条视频」批量产出，底部实时显示「将生成 N 条视频」。
- 逐条语音独立成片，互不干扰
- 支持直接勾选语音库里已合成的音频
- 右侧可单条试跑：先验一条看看口型对不对，再整批提交，不白等
- 批次提交后进「任务队列」，进度逐条可见