核心用法
DreamAvatar 是一款调用 NewportAI 旗下 DreamAvatar 3.0 Fast API 的数字人视频生成技能。用户只需提供一张人物照片（JPG/PNG/WebP/GIF）和一段音频（MP3/WAV/MP4，最长 3 分钟），即可生成该人物开口说话、表情随音频情绪变化的动态视频。该 API 采用异步任务机制，提交后需轮询获取结果，支持 480p 与 720p 两种分辨率输出。
配置流程分为三步：首先在 NewportAI 官网 注册获取 API Key；其次通过 openclaw config patch 命令或手动编辑 ~/.openclaw/openclaw.json 将 DREAM_API_KEY 注入环境变量；最后调用技能时传入公开可访问的图片/音频 URL 及可选的 prompt 描述。
显著优点
- 技术成熟度高：基于 3.0 Fast 版本，口型同步与表情驱动效果较早期方案有明显提升
- 多语言支持：底层模型对不同语种的语音韵律适配较好
- 灵活输出：支持 480p/720p 双档分辨率，平衡质量与生成速度
- 低门槛集成：标准化 REST API，异步轮询机制清晰，易于接入自动化工作流
潜在缺点与局限性
- 依赖公网资源：图片与音频必须部署在公开可访问的 URL，无法直接上传本地文件，增加了用户前置处理成本
- 异步等待成本：任务需轮询获取结果，实时性不足，不适合同步交互场景
- 时长限制严格：音频上限 3 分钟，长内容需拆分处理
- 黑盒模型：NewportAI 未披露底层模型架构与训练数据，生成效果的可控性与可解释性有限
- 版权与肖像风险：用户需自行确保输入图片的肖像权与音频的版权合规
适合人群
- 内容创作者：快速生成虚拟主播、知识口播类视频
- 营销与电商团队：批量制作产品讲解、广告口播素材
- 开发者：需要将数字人能力集成至自有 SaaS 或自动化流程的技术团队
常规风险
- API Key 泄露：密钥以环境变量形式存储，需确保配置文件权限与传输安全
- 数据隐私：人物照片与语音数据上传至第三方服务器，敏感场景需谨慎评估
- 服务稳定性：依赖 NewportAI 商业 API，存在配额耗尽、服务降级或下线风险
- 生成内容合规：Deepfake 类技术易被滥用，平台方可能加强审核或限制使用范围