核心用法
video-message 是一款将文本或音频转换为虚拟形象视频的技能。其工作流程为：接收用户文本→调用TTS生成语音→驱动VRM格式的3D虚拟形象进行唇形同步渲染→输出384×384像素的圆形视频笔记（Telegram video note格式）。
显著优点
- 个性化交互：通过VRM虚拟形象提供比纯语音更生动的沟通体验，适合品牌人格化、客服场景
- 格式优化：直接输出Telegram原生支持的视频笔记格式，无需用户手动调整
- 跨平台适配：自动检测运行环境，Linux下通过xvfb实现无头渲染，macOS/Windows原生支持
- 配置灵活：支持自定义VRM模型、背景色或背景图片，可打造差异化视觉风格
- 技术栈成熟：基于Electron+FFmpegpipeline，H.264/AAC编码保证兼容性
潜在缺点与局限性
- 性能开销：渲染耗时约为音频时长的1.5倍，20秒语音需30秒处理，实时性受限
- 依赖较重：需安装FFmpeg、Node.js运行时及系统级图形库（Linux需xvfb），Docker环境配置复杂
- 单一输出格式：强制输出384×384正方形视频，不适合需要横屏或高清场景
- 模型门槛：用户需自行准备VRM格式3D模型，对普通用户存在技术门槛
- 平台锁定：
asVideoNote参数专为Telegram设计，迁移至其他平台需改造
适合人群
- 运营Telegram社群/频道的品牌方、KOL，需要虚拟形象增强互动
- 已搭建OpenClaw网关且追求差异化回复体验的技术团队
- 拥有现成VRM模型资产（如VTuber资源）的内容创作者
常规风险
- 隐私合规：VRM模型可能包含可识别特征，需确保形象版权或自主设计
- 渲染失败：无头环境GPU stall警告虽标注为安全忽略，但复杂场景可能导致进程卡死
- 临时文件管理：需主动清理
/tmp/video*.mp4，磁盘空间不足时可能中断服务 - 依赖维护：
openclaw-avatarcamnpm包为第三方生态组件，长期更新存在不确定性