数字人主播这套流程我完整拉通跑了一遍，八步，中间没换过软件，全在 codex 里推完的。
先把主播形象图生成出来固定住，这步定了后面每期都能复用；音色用 GeminiTTS、ElevenLabs 这类 TTS 服务先定下来，同样是一次性的事。真正吃时间的是中段：选题调研加快节奏口播文稿，再把文稿拆成视频生成提示词和 B-roll 规划——这步最考验人，拆得糙后面全是废镜头。生成走 FLOVA、即梦这类 CLI 或 API 后端，出来的数字人片段跟录屏、B-roll 一起进 ChatCut，做音频、动效、中英字幕，封装成片。最后补 4:3 和 3:4 的封面，还有标题、简介、标签。
两头都能标准化，中间那截目前还是手工活。