数字人口播这套我在 codex 里从头推到尾，八步，一次软件都没换过。按顺序记一下：
- 生成主播形象图固定住，之后每期复用。
- 定音色，GeminiTTS、ElevenLabs 这类 TTS 服务挑一个，也是一次性的事。
- 选题调研。
- 写快节奏的口播文稿。
- 把文稿拆成视频生成提示词和 B-roll 规划。这步最考验人，拆得糙，后面出来的全是废镜头。
- 走 FLOVA、即梦这类 CLI 或 API 后端，生成数字人片段。
- 片段跟录屏、B-roll 一起进 ChatCut，做音频、动效、中英字幕，封装成片。
- 补 4:3 和 3:4 两版封面，再写标题、简介、标签。
两头都能标准化，3 到 5 这截还是手工活。