01
制作成本高
主播档期、录音棚、剪辑与字幕外包，单条口播视频的综合成本居高不下，规模化放大难以为继。
本地部署 · 数据不出本机
把数字人口播视频，
把数字人口播视频，
变成一条自动化生产线
「极客AI智能体」是本地优先的 AI 数字人口播视频生产平台：文案 → 配音 → 数字人口型 → 发布成片，四个环节一条流水线自动衔接。一台电脑，从灵感到大片级成片，不再依赖主播档期与外部团队。
0 上云默认全本地运行
10+可插拔 AI 引擎
1 台电脑即可投产
本地引擎运行中 · 数据仅在本机
行业痛点
内容团队的口播视频，卡在四个老问题上
知识口播是教育内容里转化率最高的形态之一，但它的生产链路分散在主播、录音、剪辑、发布多个环节里——成本、周期与质量，很难同时兼顾。
02
生产周期长
从选题、写稿到录音剪辑，一条视频往往按天计算；热点稍纵即逝，内容团队永远在追进度。
03
素材与隐私外流
真人素材、教学稿件上传云端制作，隐私与合规风险不可控，企业级客户难以接受。
04
本地部署门槛高
大模型、Docker、显卡适配环环相扣，国内网络环境下光装环境就能劝退大部分团队。
解决方案
一条流水线，把四个环节串成自动化生产
不需要切换任何工具。把「想做的选题」交进去，系统在本地完成文案、配音、口播与发布合成，全流程可视化、可修补、可复用。
STEP 01
文案
分享链接 / 本地视频一键转写，LLM 改写与热点生成，快速得到口播稿。
STEP 02
配音
克隆专属音色或选用音色库，按句修补、重录拼接，听感满意再继续。
STEP 03
口播
数字人对口型（HeyGem 等）或实拍精修，声音形象统一为自有 IP。
STEP 04
发布
字幕、封面、画中画、BGM 与动效字幕一键合成，导出多平台成片。
产品亮点
为什么是「极客AI智能体」
不是又一个单点工具，而是一套围绕教育口播内容生产打造的完整本地化基础设施。
本地优先 · 数据主权
模型与引擎默认在本机运行，素材、稿件、成片全部本地留存；云端仅在显式配置时作为备选，数据边界始终可控。
一条流水线 · 全程可视
文案、配音、口播、发布四步闭环，任务中心实时进度、SSE 流式回传，长任务随时暂停与恢复，不再「黑盒等待」。
声音 · 形象沉淀为 IP
音色克隆与数字人形象库，让声音与出镜形象跨视频保持统一，持续积累自有 IP 资产，而非每次重录。
多引擎生态 · 不被锁定
转写、配音、口播、发布各环节可插拔：按机器性能、预算与效果自由组合，切换引擎不影响流水线。
部署零门槛
图形化引擎安装向导：自动检测显卡、Docker 选盘安装、夸克离线加速包，国内网络环境也能顺畅完成部署。
企业级能力
以工程标准构建，为企业引入而准备
从任务调度、硬件适配到安全校验，系统的每一层都按可运维、可审计、可复现的标准设计。
任务中心与断点续跑
双级锁任务队列、负优先级与 FIFO 调度；任务可暂停、取消，服务重启后自动恢复未完成项。
流式进度 · 状态可视
全流程 SSE 实时进度与阶段区间映射，转写、配音、口播每一步都可感知，避免长任务误判卡死。
硬件自适应选型
自动探测 NVIDIA CUDA / AMD DirectML / Intel XPU / CPU，按显存梯度推荐引擎与画质档位，老机器也能干活。
国内网络友好
夸克离线加速包、HuggingFace 镜像、Docker 选盘安装、GitHub/Gitee 双源自更新，专治「下载难」。
工程化可靠性
SHA-256 分卷校验、staging 原子替换、失败自动降级链（视频→单帧→跳过），产出稳定可复现。
安全与合规
引擎安装脚本白名单防注入、路径双重校验；数据默认本地留存不越权上传，许可边界清晰，便于企业合规评估。
技术栈 · 开放生态
现代化工程底座，引擎随需装配
前后端与桌面壳采用主流技术栈，AI 引擎全部可插拔替换——按业务阶段选型，不被任何单一引擎绑架。
后端服务
前端与桌面
文案 / 转写
配音引擎
数字人口型
发布合成
GPU 兼容矩阵：NVIDIA（CUDA）全速 · AMD（DirectML）· Intel（XPU / Arc）· 无独显（CPU + 云端兜底）。
应用场景
适合谁用
凡是「需要持续、批量产出知识口播视频」的团队，都能把它变成自己的内容生产基础设施。
教育机构
课程口播、知识点短视频批量生产，讲师 IP 统一出镜发声。
知识博主
日更口播选题，降低出镜与录音负担，把时间留给内容本身。
企业培训
内训课程、制度宣贯视频本地化制作，敏感内容不出内网。
MCN / 内容团队
多账号矩阵的内容生产线，多形象、多音色统一管理，批量交付。
