HeyGen

目標:做一個本機優先的 AI 虛擬人物影片製作工具，將腳本轉成含配音、口型同步與字幕的短影片。 技術棧建議:Python FastAPI + SQLite + React，使用 FFmpeg 處理影片，TTS 採本機 Piper 或 Coqui TTS，人物動畫採 SadTalker 或同類開源模型，支援 CUDA GPU。 需求: - 建立人物素材庫，匯入使用者本人或已取得同意的正面照片與短片 - 輸入腳本並選擇語言、聲音、語速、音高與停頓 - 使用本機 TTS 產生 WAV 配音，並保留原始腳本與音檔 - 以人物照片和配音產生口型同步影片 - 支援 16:9、9:16、1:1 三種輸出比例與自訂解析度 - 提供背景圖片或影片匯入、裁切、模糊與純色背景設定 - 自動產生字幕，支援 SRT、VTT 與直接燒錄進影片 - 可調整人物位置、縮放、起始時間與片段長度 - 支援多段腳本合併，依順序產生完整影片 - 顯示模型推論進度、錯誤訊息與預估輸出位置 - 匯出 MP4、WAV、字幕檔、腳本與專案 JSON - 在每個人物素材旁標示同意來源與使用期限，並提供刪除功能 明確不做(out of scope):雲端多人協作、真人聲音或臉部的未授權複製、即時直播虛擬人物、完整身體動作生成、商用素材授權、免安裝 GPU 託管服務。 README 要求:說明本機安裝、CUDA 與模型下載方式、支援的素材格式、合法取得人物與聲音同意的要求、影片輸出位置、專案與素材匯出方式。