cat-shark
1.6 KiB
1.6 KiB
AGENTS.md
项目目标
这个项目要实现一个可被 aIzhinengti 数字人 自主算力机 模式调用的音频驱动视频口型同步服务。
必须长期保持兼容：
- Gradio 服务地址示例：
http://127.0.0.1:7860/ - API name：
/process_single - 输入参数名：
audio_file、video_file - 返回值：单个
gr.Video输出，Gradio client 侧应能拿到包含video路径的数据
开发边界
- 不要在未得到用户明确许可前下载模型权重或大文件。
- 不要把模型权重提交到项目中；只写下载/放置说明。
- 默认
ffmpeg_mux后端只用于联调，不代表真实口型同步效果。 - 真实推理应通过
command后端或新增专用后端接入 Wav2Lip、MuseTalk、LstmSync 等模型。 - 保持项目可独立运行，不反向依赖
aIzhinengti源码。
代码风格
- Python 目标版本：3.10+。
- 依赖管理使用
uv，以pyproject.toml/uv.lock为准，不再新增requirements.txt。 - 保持入口简单：
python -m digital_human_lipsync_service。 - 后端适配逻辑放在
src/digital_human_lipsync_service/backends.py或后续拆分到src/digital_human_lipsync_service/backends/。 - 配置优先用环境变量；新增变量同步更新
.env.example和文档。 - 错误要包含可定位信息，但不要泄露密钥。
验收优先级
aIzhinengti的scripts/digital_human_process.py能调用成功。- 服务能在 Windows 本机和局域网 GPU 机器启动。
command后端可稳定调用真实模型并产出 mp4。- 日志、临时文件、输出文件可控且可清理。