核心用法
flyworks-avatar-video 是一款调用 Flyworks（飞影数字人）API 的 Python 工具集，提供三类核心能力：
1. 公共数字人视频：使用平台预置的高拟真数字人形象，结合文本转语音（TTS）或上传音频，生成口播视频。
2. 照片说话（Talking Photo）：上传单张人物照片，驱动其口型与语音同步，生成动态说话视频。
3. 声音克隆：基于 10-30 秒音频样本克隆个人音色，用于后续 TTS 视频生成。
所有操作通过 scripts/hifly_client.py 命令行工具完成，支持本地别名管理（memory.json）以便复用自定义形象与声音。
显著优点
- 低门槛快速上手：默认提供 demo token，无需注册即可体验核心功能；命令行设计直观，示例丰富。
- 多模态输入灵活：支持纯文本 TTS、音频 URL、本地音频文件三种驱动方式，适应不同内容生产流程。
- 形象与声音可复用：通过
manage_memory将自定义形象/克隆声音保存为别名，避免重复上传与配置。 - 工作流引导完善：SKILL.md 详细规定了 Agent 行为准则，强制要求语音选择环节，减少用户遗漏关键参数。
潜在缺点与局限性
- 免费版功能受限：demo token 生成视频带水印且限 30 秒，商用需付费升级。
- 依赖外部服务稳定性：所有生成任务依赖 Flyworks 云端 API，网络波动或服务中断将直接影响可用性。
- 数据上传不可避免：照片、音频需上传至第三方服务器处理，存在数据驻留与合规风险。
- 无本地渲染能力：无法离线运行，对网络带宽和延迟敏感。
适合的目标群体
- 内容创作者与营销团队：快速生成产品讲解、社交媒体口播视频，降低真人出镜成本。
- 教育工作者与培训师：将课件文本转化为数字人讲解视频，提升课程表现力。
- 中小企业主：无需专业设备与团队，低成本制作品牌宣传素材。
- 开发者与自动化工作流：通过命令行集成至 CI/CD 或批处理脚本，实现视频内容自动化生产。
使用风险
- 数据隐私风险：用户上传的图像、音频将存储于 Flyworks 服务器，敏感内容（如内部会议录音、证件照）不建议使用。
- API 依赖与成本：个人 token 虽解除水印与时长限制，但按量计费模式可能导致意外费用；API 变更或停服将造成业务中断。
- 依赖版本未锁定：
requests库未指定最低版本，极端情况下可能因依赖更新引入兼容性问题。 - 生成任务异步延迟：视频生成需轮询任务状态，长时间任务可能因网络超时或用户中断导致失败。