FreeLLMGitHub repo digital-human-koubo lets users create AI talking‑head videos from a single photo
Das Open‑Source‑Projekt erzeugt lip‑synchronisierte, mehrsprachige Videos mit fünf Bearbeitungsstilen und 48 Verpackungskomponenten mittels einer Claude‑kompatiblen Agenten‑Skill.
The repository digital-human-koubo, authored by andyhuo520, produces AI‑driven talking‑head videos from one photo and one sentence.
It builds a fixed digital presenter stored in persona.json, composites the figure into any scene, and generates ≤15‑second lip‑synced clips via Grok Video 1.5 on Renoise MCP.
The pipeline includes automatic credit quoting, Whisper transcription for quality control, voice unification processing, and final editing in Remotion with five selectable styles.
Supported output includes English, Japanese, Korean, French, Spanish and Arabic, with Whisper back‑check accuracy reported between 94 % and 100 %.
The skill folder follows the open Agent Skills format and works with Claude Code, Codex, OpenClaw, WorkBuddy and other agents that can load skills, connect to a remote MCP server and run local commands.
Was das für dich bedeutet
For creators, the tool offers a turnkey way to produce professional‑looking livestream ads or tutorials without filming, lowering production cost to a few Renoise credits. For developers of free or local AI models, the repo demonstrates how to integrate large‑language agents with video generation pipelines, expanding the range of applications that can be built on open‑source foundations.
Quellen
- andyhuo520/digital-human-koubo: AI digital-human talking-head videos from one photo: Renoise MCP generation + 5 editing styles + 48 creator-grade packaging components. Agent skill for Claude Code / Co, GitHub trending, 26 Oct 2026
Automatisch aus den obigen Quellen geschrieben, dann von unserem Code geprüft: Jede Zahl und jeder Name muss darin vorkommen, und kein Satz darf eine Quelle kopieren. Einen Fehler entdeckt? Melde ihn.
Welche KI kannst du heute kostenlos nutzen?
Jedes kostenlose KI‑Modell, bewertet durch blinde menschliche Stimmen, mit dem Speicher und der Geschwindigkeit, die es auf deiner eigenen GPU benötigt.