核心用法
Anima Avatar 是一款面向技术型用户的交互式视频生成工具，采用 Node.js 架构，核心流程为：脚本输入 → 情绪分析 → 精灵图选择 → 语音合成（Fish Audio）→ 视频渲染（FFmpeg）→ 飞书投递。用户通过 JSON 格式定义多场景脚本，每个场景指定文本内容和情绪标签（如 Happy、Angry、Think 等），系统自动匹配 1920×1080 的精灵图库、生成同步语音并合成带字幕的 16:9 视频。
显著优点
1. 工业化内容生产：支持批量脚本处理，通过 CSV 管理 25+ 种情绪变体，适合系列化内容产出。
2. AI 驱动资产创建：利用 Gemini 图像生成实现「参考图+文本提示」的精灵图变体生产，无需逐张手绘。
3. 原生平台集成：直接上传至飞书/Lark 作为原生视频消息，带正确时长显示，无需外链跳转。
4. 模块化架构：TTS、图像合成、视频渲染、平台投递四层分离，便于替换提供商（如改用 ElevenLabs）。
潜在缺点与局限性
- 高前置门槛：需自行准备角色立绘、背景图，并通过 Gemini 生成完整精灵图库，首次配置耗时 1-3 小时。
- 外部依赖重：运行依赖 Fish Audio API（语音）、Gemini API（可选，图像）、飞书开放平台（投递），任一服务故障即中断流程。
- 无内置编辑能力：不支持关键帧微调、语速调节、字幕样式自定义等精细化操作。
- 仅限 16:9 横屏：未适配短视频平台的 9:16 竖屏格式。
- 隐私顾虑：角色图像和语音数据需上传至第三方 AI 服务。
适合人群
- 技术型内容创作者：熟悉命令行操作、API 配置，有批量视频生产需求的虚拟主播、IP 运营者。
- 企业内部工具搭建：需在飞书生态内自动化生成通知、培训、播报类视频的开发者。
- AI 工作流探索者：希望实践「文生视频」全链路、理解 FFmpeg 与 API 编排的技术学习者。
常规风险
- API 成本累积：Fish Audio 和 Gemini 均按调用量计费，批量生成时需监控用量。
- 版权与肖像：使用第三方角色立绘或克隆语音需确保合法授权。
- 生成失败处理：精灵图缺失时仅回退到白底警告，可能输出低质量视频。
- 环境配置复杂：跨平台 FFmpeg 安装、Node 原生模块（sharp）可能遇到兼容性问题。