数字人内容工作流

这份项目现在只保留一条流程：

网页 URL / 上传视频 / 直接输入文本 → 提取或确认文本 → AI 改写 → 确认文本 → 上传人物图 + 生成语音 → 异步生成可灵数字人口播视频

主要模块

• server.py 工作流后端接口，提供 /workflow/*
• frontend/ 分步式 H5 界面
• content_extraction.py 网页内容提取、视频转写、抖音分享解析
• text_rewrite.py 调用 Moonshot/Kimi 做文本改写
• tts_service.py 使用 Edge TTS 生成中文音频
• kling_service.py 调用可灵的 Avatar 接口
• workflow_state.py 内存态工作流状态
• moonshot_service.py .env 加载与 Kimi 客户端初始化

环境要求

• Python 3.10+
• uv
• Node.js 18+（仅前端开发需要）
• ffmpeg（视频转写需要）

安装

uv sync
cp .env.example .env

至少配置：

MOONSHOT_API_KEY=...
KLING_ACCESS_KEY_ID=...
KLING_ACCESS_KEY_SECRET=...

可选：

TTS_VOICE=zh-CN-XiaoxiaoNeural
KLING_API_BASE_URL=https://api.klingai.com
KLING_PRINT_JWT=0
KLING_DEBUG_HTTP=0
WORKFLOW_STORE_BACKEND=mysql
WORKFLOW_DATABASE_URL=mysql+pymysql://root:password@127.0.0.1:3306/digital_human_workflow
WORKFLOW_MYSQL_TABLE=workflow_sessions

说明：

• 默认网关已改为 https://api.klingai.com
• 如果你的可灵账号明确要求新加坡网关，再手动覆盖 KLING_API_BASE_URL=https://api-singapore.klingai.com
• 排查鉴权时可临时设置 KLING_PRINT_JWT=1，后端控制台会打印完整 JWT，排查后建议改回 0
• 排查请求头时可临时设置 KLING_DEBUG_HTTP=1，后端控制台会打印 Authorization 是否实际带出
• WORKFLOW_STORE_BACKEND=mysql 会把工作流会话写入 MySQL，后端重启后仍可查询旧 session

MySQL 首次使用前先建库：

CREATE DATABASE IF NOT EXISTS digital_human_workflow
  DEFAULT CHARACTER SET utf8mb4
  DEFAULT COLLATE utf8mb4_unicode_ci;

应用启动时会自动创建 workflow_sessions 表。

前端依赖：

cd frontend
npm install

启动

后端：

uv run uvicorn server:app --host 127.0.0.1 --port 8000

接口文档：

• http://127.0.0.1:8000/docs

前端：

cd frontend
npm run dev

默认地址：

• http://127.0.0.1:5173

保留的工作流接口

• POST /workflow/start
• POST /workflow/upload
• GET /rewrite-styles
• POST /workflow/{session_id}/rewrite
• POST /workflow/{session_id}/confirm
• POST /workflow/{session_id}/audio
• POST /workflow/{session_id}/avatar-image
• POST /workflow/{session_id}/video
• GET /workflow/{session_id}/status
• GET /workflow/sessions

说明

• 项目已经移除聊天/RAG/多角色/联网检索相关代码
• 启动工作流后端时，不会再初始化 Hugging Face 向量模型