【免费下载链接】tongflowModality-First GenAI Platform项目地址https://gitcode.com/gh_mirrors/to/tongflow点击查看免费下载今天带你用开源平台 TongFlow 搭建一条数字人口播工作流在画布上把几个节点拖拽连线就能从一句主题自动生成口型同步的口播视频全程无需剪辑软件。下面按「认识平台 → 安装配置 → 搭节点 → 选插件 → 运行排错」五步走零基础也能完成。一、为什么 TongFlow 适合做数字人口播TongFlow 是一个「Modality-First模态优先」的开源 AIGC 工作流平台文字、图像、音频、视频都被当作材料通过「添加、转换、组合、拆分」四种节点连接起来。每一步的产出都留在画布上可以直接喂给下一个节点继续加工。对数字人口播场景来说正好可以拆成两条支线再汇合支线节点链产出 声音线主题文本 → 生成文案 → 合成语音口播配音音频 形象线人物描述 → 生成图片数字人形象图 汇合线音频 图片 → 对口型口播视频核心思路先确定「每一步做什么」能力再决定「交给哪个模型做」插件。换插件时画布结构原样保留。二、快速安装 TongFlowTongFlow 有三种用法共用同一个开源内核云版安装桌面版macOS / Windows登录即可开始创作插件与执行由云端托管自托管用 Docker 或从源代码启动完全本地、无需账号与 Agent 一起构建在支持 MCP 的 Agent 里直接生成工作流。这里以 Docker 自托管为例一条命令启动docker run -d -p 127.0.0.1:3000:3000 \ -v tongflow-data:/data -v tongflow-plugins:/plugins \ ghcr.io/tong-io/tongflow:latest启动后浏览器打开http://localhost:3000画布即刻就绪。更多方式见 docs/README_ZH.md。装好「数字人工作流」需要做的 3 件事安装插件打开右上角「积木」图标的插件管理器按需安装后文第五节有清单装完即生效无需重启配置凭据打开右上角「齿轮」图标的 Settings填入插件需要的环境变量如MODAL_TOKEN_ID/MODAL_TOKEN_SECRET用于运行 GPU 插件每月有免费 GPU 额度可用试运行画布预载了一条示例工作流可先跑通熟悉节点操作。官方示例文件可参考 public/example.json。三、工作流设计先搭节点再填内容建议在「创作模式」下按下面的链路摆放节点添加文本(主题) → 文本生成(写文案) → 生成语音(口播音频) ↘ 添加文本(人物描述) → 生成图片(数字人) → 语音图生视频(对口型) → 成片每条连线的含义都写在节点的输入端口上文本 / 图片 / 音频按类型连线即可连错会直接提示。四、手把手教程从文案到对口型视频步骤 1用「添加文本」节点写主题添加一个文本节点输入一句话主题例如「介绍本周新品咖啡豆的 3 个卖点时长 30 秒左右」。步骤 2用「文本生成」节点产出文案添加文本生成节点把主题文本连进来提示词可写成「根据主题写一段口播文案口语化、有节奏感」。运行后得到正式文案——这就是数字人要说的台词。步骤 3用语音合成节点生成口播音频把文案连到语音合成节点。TongFlow 提供三种音色方式节点界面见 text-audio-gen-speech 相关实现预设音色直接选现成音色最快音色克隆上传一段 ≥3 秒的参考音频克隆相似音色适合固定「主播」描述音色用文字描述例如「温柔甜美的女声语速稍慢」。 想带情绪的口播可选支持情感控制的 TTS 插件同一句文案能生成「兴奋」「舒缓」等不同语气。步骤 4用「文本生成图片」节点生成数字人形象再加一个文本节点写人物描述例如「一位 25 岁左右的青年女性主播半身正脸面带微笑注视镜头纯色浅灰背景写实风格」。把它连到文本生成图片节点得到数字人形象图。 提示描述里强调「正脸、注视镜头、半身」口型区域更完整后续对口型效果更自然。步骤 5用「语音图生视频」节点完成对口型添加「语音图片生成视频」节点音频 图片 → 视频正是 README 中级 Demo 的最后一环把第 3 步的音频和第 4 步的图片分别连到两个输入端运行即可得到口型同步的口播视频节点源码speech-image-gen-video.tsx。两个「备选口型节点」按需选用节点输入适用场景视频对口型音频 视频已有真人出镜视频想换配音重对口型audio-video-lip-sync.tsx视频配音对口型视频 台词文本插件自动合成语音并对口型省去独立 TTS 一步speech-video-gen-video.tsx「视频对口型」节点还提供可选的场景描述框描述画面与说话人即可如「一位女性对着镜头说话」不要把台词全文写进去——口型与配音由音频轨决定。官方提示音频时长宜与参考视频接近输出默认 720p。五、对口型工作流插件选择指南每个节点背后由插件驱动同一能力可换不同实现。按本工作流五个环节给出常见选择环节插件说明生成文案tongflow-api-openai / tongflow-api-gemini / tongflow-router-openrouter 等任选一个你已有 Key 的 API 或路由插件合成语音tongflow-modal-qwen3ttsQwen3 文本转语音合成语音带情绪tongflow-modal-indextts2情感可控、支持零样本音色克隆生成图片tongflow-modal-z-imageZ-Image 文生图对口型tongflow-modal-infinitetalkInfiniteTalk 音频驱动口型同步音频 图片/视频 → 数字人视频对口型备选tongflow-modal-longcat-avatarLongCat-Video-Avatar人像 语音 → 口型同步视频最长 60 秒带 Modal 前缀的 GPU 插件跑在云端 GPU 上每月有免费额度在 Settings 里配好MODAL_TOKEN_ID/MODAL_TOKEN_SECRET即可。完整插件目录与自定义插件开发文档见 docs/plugins.md每个能力的输入输出契约定义在 ABI 中packages/tongflow/abi/tongflow.abi.json。六、运行数字人口播工作流单步执行 vs 一键执行单步执行创作模式下逐个节点点「执行」适合调试——比如先只跑 TTS 听音色不满意换插件重跑其余节点不受影响一键执行切换到「执行模式」点运行按钮整条链路自动依次执行执行前会展示预估费用与用时继续加工成片仍是一「材料」——可以接着连「视频高清放大」节点提分辨率或「视频拼接」把多段口播接成一条长视频工作流结构不用动。七、常见问题速查现象解决节点提示「该节点尚未安装可用插件」到插件管理器安装对应环节插件再重新选择实现提示「未检测到 Modal 部署」确认已配置 Modal Token 且本机可执行python -m modal弹窗中可一键部署口型不同步 / 嘴部不自然让音频时长与参考画面接近形象图用正脸半身必要时加长音频或换备选插件想要固定「主播」形象用同一张人物图反复喂给口型节点或使用音色克隆固定声音想复现别人的工作流菜单「导入 JSON」直接载入导出的.json工作流文件写在最后回顾一下这条数字人口播工作流主题 → 文案 → 配音 → 形象 → 对口型五个节点、两次连线从一句话到成片。TongFlow 的「材料即节点」设计让每一步都能单独调参、随时换模型这正是自己搭数字人产线的乐趣所在。延伸资料中文说明与 Demo 示例docs/README_ZH.md插件开发文档docs/plugins.md节点能力契约ABIpackages/tongflow/abi/tongflow.abi.json口型节点实现packages/tongflow/src/canvas/nodes/compose/audio-video-lip-sync.tsx画布中文文案packages/tongflow/src/canvas/i18n/messages/zh.json赞分享【免费下载链接】tongflowModality-First GenAI Platform项目地址https://gitcode.com/gh_mirrors/to/tongflow点击查看免费下载相关推荐VideoSrt完整教程手把手教你制作专业级视频字幕VideoSrt完整教程手把手教你制作专业级视频字幕 还在为视频字幕制作而烦恼吗手动输入字幕耗时耗力而市面上大多数自动字幕工具要么准确率低要么操作复杂。语音音频人工智能手把手教你搭建AI数字人视频生成器SadTalker从零部署到实战应用手把手教你搭建AI数字人视频生成器SadTalker从零部署到实战应用 想要将静态照片变成会说话的动态视频吗 SadTalker作为一款优秀的音频驱动单人工智能AI 应用深度学习计算机视觉语音数字人媒体生成LaWGPT完整部署教程手把手教你搭建法律大模型LaWGPT完整部署教程手把手教你搭建法律大模型 想要拥有一个专属的法律AI助手吗LaWGPT作为基于中文法律知识的开源大语言模型能够为你提供专业的法律咨人工智能大模型微调预训练NLP创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
解法)
