真正的商业级应用 🚀 一键生成爆款视频自动化工具

• 由于代码体积及模型文件过大，请诸位移步 代码地址 进行下载。
• 由于该应用为本地运行的客户端应用，为了诸位的使用体验，先进行 使用前必装 进行下载安装。

诸多不便，敬请谅解。

项目描述
本工具通过自动化流程，帮助用户快速生成高质量的数字人口播视频并发布至多平台。核心功能包括：

• 📝 智能文案处理：自动提取对标文案 + 智能仿写优化
• 🎤 声音克隆：基于 Whisper 和 CosyVoice 实现高保真语音合成
• 👥 数字人生成：集成 HeyGem 实现自然口播效果
• 🎬 全流程视频制作：字幕/BGM/标题/封面自动生成 + 多平台发布

🌟 核心功能

功能模块	技术实现
语音克隆	Whisper（语音识别） + CosyVoice（语音合成）
数字人口播	HeyGem 数字人引擎
视频后期	FFmpeg（合成） + 动态字幕
多平台发布	平台 API 集成（抖音/B站等）

🤝 致谢

本项目基于以下优秀开源项目构建：

• social-auto-upload - 多平台发布框架
• CosyVoice - 高质量语音合成
• HeyGem - 数字人驱动引擎
• Whisper - 精准语音识别

⚠️使用限制

• 本项目仅限个人学习、研究使用，严禁任何形式的商业用途（包括但不限于售卖工具、提供付费服务等）。

LuoGen-agent 快速上手指南

1. 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：推荐 Windows 10/11 或 Linux (Ubuntu 20.04+)。
• 硬件要求：
  • GPU：NVIDIA 显卡（显存建议 8GB 以上），需安装 CUDA 驱动。
  • CPU：多核处理器，建议 16GB 以上内存。
• 前置依赖：
  • Python 3.9 - 3.11
  • Git
  • FFmpeg（用于视频合成）
  • 国内用户建议配置 pip 镜像源以加速依赖下载：

    pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
    

注意：由于项目包含大型模型文件及客户端 UI，请务必先访问 代码地址 下载完整源码包，并仔细阅读 使用前必装 完成基础环境组件的安装。

2. 安装步骤

下载并解压项目后，在终端中执行以下命令进行环境配置：

1. 创建虚拟环境（推荐）：

   python -m venv luogen_env
   # Windows
   luogen_env\Scripts\activate
   # Linux/Mac
   source luogen_env/bin/activate
   

2. 安装核心依赖：

   pip install -r requirements.txt
   

3. 初始化模型文件： 确保已按照“使用前必装”文档将 Whisper、CosyVoice 及 HeyGem 的相关模型权重放置于项目指定的 models/ 目录下。若目录为空，程序将无法启动。

3. 基本使用

本工具提供图形化客户端（GUI）与命令行两种使用方式，推荐优先使用 GUI 以获得最佳体验。

方式一：启动图形化客户端（推荐）

直接运行主程序入口即可打开操作界面：

python main.py

启动后，您可以在界面中完成以下流程：

1. 输入文案：粘贴对标视频文案或手动输入。
2. 选择声音：上传参考音频进行克隆，或选择预设音色。
3. 生成数字人：选择 HeyGem 驱动的数字人形象。
4. 一键生成：点击“开始制作”，系统将自动完成配音、口型同步、字幕添加及视频合成。
5. 多平台发布：在发布模块配置抖音/B 站等账号信息，实现自动上传。

方式二：命令行快速测试

如需通过命令行快速测试核心功能（例如仅生成语音或视频），可使用以下示例命令：

python cli.py --mode generate --text "这里是测试文案" --voice_id default_01 --output_dir ./results

• --text: 需要合成的文案内容。
• --voice_id: 使用的音色 ID。
• --output_dir: 生成文件的保存路径。

---

⚠️ 法律声明：本项目仅限个人学习与研究使用，严禁用于任何商业用途（包括但不限于售卖工具、提供付费代生成服务等）。