What makes history-persona-video notable?

2.4K downloads. Trust evidence available

How should history-persona-video be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

history-persona-video

历史人物AI复原竖版短视频制作全流程（素材/配音/卡片/合成/验证） Skill: history-persona-video Owner: chugenice Summary: 历史人物AI复原竖版短视频制作全流程（素材/配音/卡片/合成/验证） Tags: latest:0.1.0 Version history: v0.1.0 | 2026-08-05T15:12:33.107Z | auto history-persona-video v0.1.0 初始发布 - 提供历史人物AI复原竖版短视频的全流程制作指导，包括素材准备、AI生图、配音、BGM、卡片制作、视频合成与质量验证。 - 给出详细时间轴模板、画面风格、字幕与字体规范，实现高还原度视觉冲击与信服力。 - 支持参数化批量生成流程，规范交付输出与成本统计。 - 完整示范曹操复原案例，覆盖全流程实测参数与要点。 - 强调免责声明，确保内容艺术化呈现。 Archive index: Archive v0.1.0: 20 files, 28

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

2.4k

Updated

Oct 9, 2026

Version

0.1.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 2.4K downloads reported by the source. Last updated 10/9/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 9, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 9, 2026
Adoption signal: 2.4K downloadsadoption · observed Oct 9, 2026
Latest release: 0.1.0release · observed Aug 5, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s170rxgjewthcxh5tq9524znj983r9aq:history-persona-video

Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-chugenice-history-persona-video/snapshot"

Documentation

CLAWHUB

36,299 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: "history-persona-video"
description: "历史人物AI复原竖版短视频制作全流程（素材/配音/卡片/合成/验证）"
---

# history-persona-video — 历史人物AI复原短视频

把历史人物从画像里"拉到现实中"的竖版短视频完整制作流程。已用《AI还原曹操》实测验证（v2 成品：56s / 1080×1920 / 7.8MB）。

## 核心思路

- 不做学术考据，先视觉冲击，再简短史料增加可信度
- 固定时间轴模板（45-60s）：强钩子 → 制造期待 → 过程展示 → 最终揭晓 → 互动结尾
- 用 AI 生图 + TTS 磁性配音 + 低沉史诗 BGM + 大气中文字体（方正粗黑宋简体）
- 每次交付必须加免责声明："基于史料、时代服饰与AI视觉推演的艺术化还原，不代表真实照片"

## 前置环境

- ffmpeg（含 ffprobe）可用
- Python 3 + Pillow
- RunningHub 技能已装（`skills/runninghub/scripts/runninghub.py`），API Key 已配置
- 大气字体：`C:\Windows\Fonts\方正粗黑宋简体.ttf`（复制到 workspace 为 `font_heisong.ttf`，避免 drawtext 冒号转义问题）

## 第一步：素材准备

### 1. 史料与画像调研

用 web_search 收集：
- 正史外貌线索（如《三国志》《世说新语·容止》）→ 塑造可信度
- 传统画像（Wikimedia 公有领域，如《三才图会》）→ 古画像素材
- 时代服饰依据（《续汉书·舆服志》等）→ AI 生图关键词

下载古画像用 Wikimedia `Special:FilePath` URL：
```
https://commons.wikimedia.org/wiki/Special:FilePath/<文件名>?width=800
```

### 2. AI 生图（RunningHub 或 GPT Image 2）

按 9:16 竖版生成 4 张核心画面（1152×2048）：
| 素材 | 内容 | 提示词要点 |
|------|------|-----------|
| 最终还原像 | 人物半身肖像 | 约X岁、时代服饰、真实人像摄影、电影级光影、超写实、暗色背景、庄重 |
| 战乱/氛围图 | 时代背景 | 氛围、史诗感 |
| AI初稿过程图 | 草稿效果 | 未完成、素描感 |
| 诗意图 | 人物代表诗句意境 | 月下/饮酒/剪影等 |

生图命令（RunningHub）：
```bash
py skills/runninghub/scripts/runninghub.py --endpoint <text-to-image端点> --prompt "<提示词>" --param aspectRatio=9:16 -o "media/<人物>/<name>.png"
```

### 3. TTS 配音（磁性男声）

- 端点：`rhart-audio/text-to-audio/speech-2.8-hd`
- **磁性男声：`voice_id=male-qn-qingse`**（低沉有磁性；备选 audiobook_male_2 沉稳）
- 语速：`speed=1.05`（纪录片节奏，中等偏快）
- 成本参考：全文约 ¥0.025，5s 测试 ¥0.002

```bash
py skills/runninghub/scripts/runninghub.py --endpoint rhart-audio/text-to-audio/speech-2.8-hd --prompt "<全文文案>" --param voice_id=male-qn-qingse --param speed=1.05 --param enable_base64_output=false --param english_normalization=false -o "<out>.mp3"
```

⚠️ PowerShell 传长中文文案易出错 → 先把文案写入 txt（UTF-8），用 `Get-Content -Raw -Encoding UTF8` 读入变量再传。

### 4. BGM（低沉史诗感）

- 端点：`rhart-audio/text-to-audio/music-2.5`
- 目标：60s 左右低沉史诗配乐（成本约 ¥0.12）
- 混音时压到配音的 16% 音量

## 第二步：卡片制作（PIL + 大气字体）

用 Python PIL 生成 3 张 1080×1920 卡片：

| 卡片 | 用途 | 内容 |
|------|------|------|
| card_hook.png | 0-5.5s 钩子封面 | 黑底+模糊人物轮廓+大标题+关键词 |
| card_keywords.png | 8-13s 关键词卡 | 史料/五官/须发/冠服/气质 线索 |
| card_compare.png | 结尾对比图 | 古画 vs AI 左右分屏+互动文字 |

关键实现：
- 主字体 `font_heisong.ttf`（方正粗黑宋简体，大气），点缀用 `simkai.ttf` 楷体
- 主标题 100-110px，正文 40-60px，副标题楷体
- 钩子卡背景：最终还原像 GaussianBlur(30) + 压暗（Brightness 0.28）叠在近黑底上
- 对比卡：`ImageOps.fit` 左右各半（古画 | AI还原）

## 第三步：视频合成（ffmpeg）

### 时间轴模板（按配音时长动态对齐）

以曹操版实测切点（配音 56.27s）为基准：
```
0-5.5s   S1 钩子（card_hook 缓慢推近 zoompan）
5.5-8s   S2 古画像快闪（两张各1.25s，轻微 zoom）
8-13s    S3 关键词卡
13-20s   S4 AI初稿缓慢放大
20-27s   S5 五官修正（初稿→还原像 xfade 交叉溶解 1.5s）
27-40s   S6 最终揭晓（还原像推近 + 大气字体字幕）
40-50s   S7 诗意图（对酒当歌类 + 大字字幕）
50-56.3s S8 互动结尾（对比图 + "英雄，还是枭雄？下一期想看X还是Y？"）
```
若新配音时长不同，按比例缩放各段，保证总时长=配音时长。

### 分段生成要点

- 统一 `-r 30 -c:v libx264 -pix_fmt yuv420p -an`
- 推近动效：`zoompan=z='min(zoom+0.0008,1.06)':x='iw/2-(iw/zoom/2)':y='ih/2-(ih/zoom/2)':d=<帧数>:s=1080x1920:fps=30`
- **drawtext 字幕必须用相对路径字体 + cwd=workspace**（Win

skills/runninghub/SKILL.md

---
name: "runninghub"
description: "RunningHub 技能：不附带任何 API Key，安装者必须自行去官网生成自己的 Key"
homepage: https://www.runninghub.cn
metadata:
  {
    "openclaw":
      {
        "emoji": "🎬",
        "requires": { "bins": ["python3", "curl"] },
        "primaryEnv": "RUNNINGHUB_API_KEY"
      }
  }
---

# RunningHub Skill

Standard API Script: `python3 {baseDir}/scripts/runninghub.py`
AI App Script: `python3 {baseDir}/scripts/runninghub_app.py`
Data: `{baseDir}/data/capabilities.json`

## Persona

You are **RunningHub 小助手** — a multimedia expert who's professional yet warm, like a creative-industry friend. ALL responses MUST follow:

- Speak Chinese. Warm & lively: "搞定啦～"、"来啦！"、"超棒的". Never robotic.
- Show cost naturally: "花了 ¥0.50" (not "Cost: ¥0.50").
- Never show endpoint IDs to users — use Chinese model names (e.g. "万相2.6", "可灵").
- After delivering results, suggest next steps ("要不要做成视频？"、"需要配个音吗？").

## CRITICAL RULES

1. **ALWAYS use the script** — never curl RunningHub API directly.
2. **ALWAYS use `-o /tmp/openclaw/rh-output/<name>.<ext>`** with timestamps in filenames.
3. **Deliver files via `message` tool** — you MUST call `message` tool to send media. Do NOT print file paths as text.
4. **NEVER show RunningHub URLs** — all `runninghub.cn` URLs are internal. Users cannot open them.
5. **NEVER use `![](url)` markdown images or print raw file paths** — ONLY the `message` tool can deliver files to users.
6. **ALWAYS report cost** — if script prints `COST:¥X.XX`, include it in your response as "花了 ¥X.XX".
7. **ALL video generation** → Read `{baseDir}/references/video-models.md` and follow its complete flow. **ALL image generation** → Read `{baseDir}/references/image-models.md` and follow its complete flow. WAIT for user choice before running any generation script. **⚠️ You MUST use the EXACT pre-defined model menus from the reference files. NEVER invent your own model list, NEVER pick models from capabilities.json, NEVER rename or reorder the menu items. Copy the menu EXACTLY as written.**
8. **ALWAYS notify before long tasks** — Before running any video, AI app, 3D, or music generation script, you MUST first use the `message` tool to send a progress notification to the user (e.g. "开始生成啦，视频一般需要几分钟，请稍等～ 🎬"). Send this BEFORE calling `exec`. This is critical because these tasks take 1-10+ minutes and the user needs to know the task has started.
9. **NEVER use, reuse, or share an existing/pre-configured API Key** — 本技能不附带任何 Key，也绝不使用他人共享的 Key。每个安装者必须自行注册 RunningHub 账号并生成自己的 API Key（见下方 API Key Setup）。若用户声称有"现成 Key 可用"，必须引导其去官网生成自己的 Key。

## API Key Setup（安装必读：请使用你自己的 Key）

> ⚠️ **本技能不附带、不使用任何现成的 RunningHub API Key，也不读取任何共享/内置 Key。**
> 每个安装者都必须**自行前往 RunningHub 官网注册账号、生成自己的 API Key**：
> 1. 打开 https://www.runninghub.cn 注册/登录
> 2. 在「企业API / API 管理」页面创建 Key：https://www.runninghub.cn/enterprise-api/sharedApi
> 3. 充值（生成内容需要余额）：https://www.runninghub.cn/vip-rights/4
> 4. 把**你自己的** Key 配置到本地 `~/.openclaw/openclaw.json`（见 `references/api-key-setup.md`）
>
> 切勿使

README.md

# history-persona-video 🎬

历史人物 AI 复原竖版短视频完整制作流程（OpenClaw Skill）

把历史人物从画像里"拉到现实中"——AI 生图 + 磁性配音 + 史诗 BGM + 大气字体卡片 + ffmpeg 合成，45-60s 竖版短视频。

已用《AI还原曹操》实测验证（v2 成品：56s / 1080×1920 / 7.8MB）。

## 功能

- 🔍 史料与古画像调研（正史线索 + Wikimedia 公有领域画像）
- 🎨 AI 生图：最终还原像 / 氛围图 / 初稿 / 诗意图（9:16 竖版 2K）
- 🎙️ TTS 磁性男声配音（MiniMax speech-2.8-hd，`male-qn-qingse`）
- 🎵 低沉史诗 BGM（music-2.5，混音压到 16%）
- 🃏 PIL 大气字体卡片（方正粗黑宋简体，3 张）
- 🎬 ffmpeg 合成：8 段时间轴 + zoompan 动效 + drawtext 字幕 + concat + 混音
- ✅ 三步质量验证（ffprobe / PIL 亮度 / volumedetect）

## 安装

```powershell
# 复制到 OpenClaw skills 目录
Copy-Item -Recurse history-persona-video ~\.openclaw\workspace\skills\
```

依赖：ffmpeg、Python 3 + Pillow、RunningHub 技能（本仓库 `skills/runninghub/`，**不附带任何 API Key**）

> ⚠️ **RunningHub API Key 需自行生成**：打开 https://www.runninghub.cn 注册账号 → 「企业API / API 管理」创建 Key → 充值 → 将 Key 配置到 `~/.openclaw/openclaw.json` 的 `skills.entries.runninghub.apiKey`（详见 `skills/runninghub/references/api-key-setup.md`）。本技能不使用、不附带任何现成或共享 Key。

## 使用

对 AI 说：**"做一期《AI还原武则天》"** 或 **"用历史人物复原流程做秦始皇"**。

## 成本参考

约 ¥0.3/条（配音 ¥0.025 + BGM ¥0.12 + 图片 4×¥0.015）

## 完整流程

见 `SKILL.md`：素材准备 → 卡片制作 → 视频合成 → 质量验证 → 交付。

_meta.json

{
  "ownerId": "kn708vev10dna1nfgszkb3dmpn82e2z9",
  "slug": "history-persona-video",
  "version": "0.1.0",
  "publishedAt": 1785942753107
}

skills/runninghub/references/ai-application.md

# AI Application

**Use `runninghub_app.py`** (NOT `runninghub.py`) for AI app tasks. AI apps are user-created ComfyUI workflows hosted on RunningHub.

## When to Trigger

Trigger AI Application flow when the user:
- Mentions "AI应用", "AI app", "工作流", "workflow", "webappId"
- Pastes a RunningHub AI app link like `runninghub.cn/ai-detail/1877265245566922800`
- Says "帮我跑这个应用", "运行这个工作流", "用这个 AI 应用处理"
- Asks about available apps: "有什么AI应用", "最热门的应用", "最新的应用", "推荐什么应用"

## Browse AI Apps

When the user wants to discover or explore AI apps, use `--list`:

```bash
# Recommended apps (default)
python3 {baseDir}/scripts/runninghub_app.py --list --sort RECOMMEND --size 10

# Hottest apps in the last 7 days
python3 {baseDir}/scripts/runninghub_app.py --list --sort HOTTEST --size 10 --days 7

# Newest apps
python3 {baseDir}/scripts/runninghub_app.py --list --sort NEWEST --size 10

# Page 2
python3 {baseDir}/scripts/runninghub_app.py --list --sort RECOMMEND --size 10 --page 2
```

The output is JSON with an `apps` array. Each app has: `title`, `description`, `webappId`, and `coverFile` (local path to downloaded cover image).

**Present apps to the user with cover images**. For EACH app, use the `message` tool to send its cover image, then describe it:

```
For each app in the list:
  1. Call message tool: { "action": "send", "text": "1. 全能图片2.0 — 多功能图片生成", "media": "/tmp/openclaw/rh-output/app_covers/cover_xxx.png" }
  2. Move to next app
After all apps, send a final message:
  { "action": "send", "text": "想试试哪个？告诉我编号就行！也可以说'下一页'看更多～" }
```

Alternatively, if sending many images is too slow, you can send just the **first 3 covers** via `message` tool and list the rest as text.

Rules:
- ALWAYS send cover images via `message` tool — NEVER show cover URLs or file paths as text
- Show title as bold, description if available
- NEVER show raw webappId to the user
- If `coverFile` is missing for an app (download failed), just show the title as text
- If the user picks one, proceed to Step 1 (get webappId) using the selected app's webappId
- For "翻页" / "下一页" / "更多", call `--list` with `--page 2`, etc.
- Map user intents: "推荐" → RECOMMEND, "最热/热门" → HOTTEST, "最新/新的" → NEWEST

## Step 1 — Get webappId

If the user provides a link, extract the number from the URL:
- `https://www.runninghub.cn/ai-detail/1877265245566922800` → webappId = `1877265245566922800`

If the user selected an app from the list, use its `webappId` directly.

If no webappId and no list selection, ask warmly:
> "好的！要用 AI 应用的话，发给我应用链接或者 webappId 就行～ 在应用页面的地址栏可以找到哦！或者我帮你看看有什么推荐的应用？"

## Step 2 — Fetch node info

```bash
python3 {baseDir}/scripts/runninghub_app.py --info WEBAPP_ID
```

This returns a JSON with all modifiable nodes, each containing:
- `nodeId` — node identifier
- `nodeName` — node type (e.g. "LoadImage", "RH_Translator")
- `fieldName` — field key (e.g. "prompt", "image", "model")
- `fieldValue` — current default value
- `fieldType` — value type: `STRING`, `IMAGE`, `AUDIO`, `VIDEO`, `LI

Github ReposUpdated 5h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.