ai-avatar-video 是 RunComfy 的口播与数字人视频 Skill，帮助 AI 根据照片、音频或脚本选择生成路径。想把一张人物照片做成讲解视频，可以先让它判断手里的材料够哪一种做法。
如果已经录好配音，文档提供人像加音轨的路线，例如通过 OmniHuman 生成随声音说话的人物视频。清楚的配音和合适的人像构图是输入重点，背景音乐混在一起时，可能需要先整理音轨。
只有文字脚本时则是另一条路线：声音在生成视频时一并合成。因此“说出这段话”和“严格沿用这一段录音”不能混为一谈，选工具前就要明确。插画角色、完整场景或带镜头要求的独白，也有各自的选择。
使用时提供有权使用的人像和声音，说明横竖画幅、时长以及是否必须保留原配音。工具需要 RunComfy 的实际账号与运行环境。成片还要检查口型、人物表现和台词，不能仅凭生成成功就认定已经可以交付。