动作编排使用指南

动作编排使用预先准备好的视频表现待机和讲话状态，适合希望降低实时渲染成本的场景。会话播放阶段不需要实时口型推理，但口型对齐不会逐字对齐当前回答。

准备配对素材

在「创建数字人」中选择「动作编排」，从资产库选择一个待机动作，再为它准备口型对齐。讲话版应基于同一待机底片生成，尽量保持头部、身体、背景和动作节奏一致。

默认使用 MuseTalk 1.5：选择待机动作后点击「生成 MuseTalk 口型对齐」。任务会排队使用 GPU，完成后自动保存到该动作，可切换「待机素材／口型对齐」预览。重复点击不会为已有 MuseTalk 素材重新扣算力。MiniMax 与 Wav2Lip 的已有版本仍可预览。

口型对齐附属于待机动作，不作为独立动作混入普通动作列表。

配置会话

1. 打开首页「会话配置工作台」，选择「数字人」。
2. 在驱动方式中选择「动作编排」。
3. 在「口型对齐」卡片中左右浏览，卡片直接播放讲话视频，名称包含原动作和生成方式。
4. 点击「确认使用口型对齐」，自动绑定对应待机动作，无需再选一次底片。
5. 配置音色及其他对话参数，开始会话。

需要修改素材时，点击「生成口型对齐」返回该数字人的配置页面。

播放与切换

实际音频开始播放时切换为讲话视频，播放结束或打断后回到待机状态。播放器使用时间位置对齐和短淡入淡出衔接两段视频；动作差异较大的素材仍可能出现跳变。

常见问题

开始按钮不可用：确认语音服务已连接，并在卡片上确认选中口型对齐。

找不到动作：检查动作是否拥有基于当前底片的讲话版。更换底片后，旧配对可能不再有效。

播放的版本不对：检查「口型对齐」卡片中的版本名称。修改后，退出当前会话并重新开始。

GPU 生成运行配置

当前是自托管 Node 服务内的串行任务队列，使用 SSH 调用 GPU 主机；不是浏览器直连 GPU。配置如下：

本机需要 ssh、scp、ffmpeg；远端需要已有 MuseTalk 1.5 环境和权重，以及 ffmpeg、ffprobe、flock、timeout。生成使用固定参考音频，按原动作长度循环或截断；保存的视频静音，与原动作保持时长配对。

任务日志位于 .openrealtime/talking-jobs/<id>/，成品沿用 public/digital-human/talking-variants/。生成完成时再次校验底片身份；动作被删除或底片已更换，旧任务不会挂到新动作上。

页面关闭不取消服务器任务。队列状态保存在当前 Node 进程，重启不自动恢复未完成任务；先刷新动作库查看结果，未保存的可重新提交。远端同一模型目录通过 flock 串行执行，单次调用最长 30 分钟。当前不自动批量生成，只有显式点击生成按钮才提交新任务。