宝玉用皮影戏类比讲解 BaoCut 虚拟主播的工作原理：AI 画正面像后改十一次、逐像素比对拆出二十七层，整张画罩网后靠十七个旋钮控制转头，口型按每个字的读音挑选、比声音早 0.03 秒。
作者把虚拟主播的拆层、变形与口型机制讲成可复用的三步流程，并交代了能力边界。
这期用皮影戏讲清 BaoCut 虚拟主播的工作原理：
- 拆：AI 画一张正面像，再改十一次，程序逐像素比对，拆出二十七层
- 动：给整张画罩上一张网，推网就能转头；十七个旋钮，头发像弹簧
- 说：不听音量，看每个字的读音挑嘴型，嘴比声音早 0.03 秒
还回答了：这算不算 AI 生成视频？要不要显卡？能不能换成自己的形象？他做不到什么？
骨架、变形和弹簧移植自开源项目 LivLiv Player（Apache-2.0），感谢作者。主播形象由 Seedream 5.5 生成。
项目地址：https://github.com/JimLiu/baocut
----
想让自己的视频也有一位虚拟主播？三步就行
1. 把 BaoCut skill 装给你的 Agent
装好 BaoCut 后，在终端运行一次：
baocut skill install
Claude Code、Codex 这类 Agent 就学会了怎么用 BaoCut。不用 Agent 也行：BaoCut 应用里自带的 AI 助手已经内置「虚拟主播」这个 skill，直接对它说就可以。
2. 挑一位主播，或者做一位自己的
不想折腾：BaoCut 自带 19 位原创卡通主播。告诉 Agent 你的片子讲什么、给谁看，它会推荐两三位让你挑。
想要自己的形象：让 Agent 画一张正面像（睁眼、闭嘴、纯色背景、有头发），你点头之后，它再改图、拆层，打包成一个角色包。大约 9 次图片生成。
3. 给稿子，等审片
一句话就能开工，比如：
用 BaoCut 做一条 3 分钟的讲解视频，主题是 XXX，让虚拟主播在右下角出镜讲解。
Agent 会写稿、配音、按每个字的读音算好口型，把主播放上时间线，然后给你一个审片链接。你看完说可以，它再导出成片。之后改了某句配音，只需重算口型，角色不用重画。
几点提醒
- 只做卡通角色，不做真人照片对口型，也不做换脸。
- 中文、英文、日文假名、韩文口型最准；其他语言主要按音量开合。
- 主播转头最多 30 度，没有手，光头角色暂时不支持。
- 自己做角色需要先配置好图片生成服务；用内置主播不需要。（推荐 SeeDream 5.5 和 GPT-Image 2.6，Codex cli 就可以生成）
字节发布图像模型 Seedream 5.5：同一张图连改 100 轮不走样，能直接出透明底素材，即梦、豆包陆续上线 字节跳动 Seed 团队 11 月 9 日发布 Seedream 5.5。用 AI 改图最烦的是改着改着别处也变了：换个戒指，脸和颜色跟着偏，几轮下来图越来越糊。 新版没要求改的区域能做到像素级不变，官方演示里同一个人物连改 100 轮，细节还能对上。它还能直接生成背景透明的图，羽毛这类难抠的边缘都保留，拿来就能叠进海报和设计稿，省掉抠图。照片质感和小字也更准，严重文字错误率从上一代的 2.8% 降到 0.4%。 字节拿它和 OpenAI 的 GPT Image 2.5 Sunburst、Google 的 Nano Banana 2.1 做了对比，文字错误率最低，凭文字生图的真实感也领先。对 Nano Banana 2.1 的优势不大，拿一张图去修改时的真实感还落后约 6%。 模型正陆续在即梦、豆包、豆包工作上线，生图时选 Seedream 5.5 即可；开发者可以在火山方舟试用，模型名 Doubao-Seedream-5.5。定价方面，Seedream 5.5 API 延续“输入图 + 输出图”两段计费结构，文本 Token 不产生费用。以2K方图编辑为例，单张成本在 0.28 元左右，不到 Seedream 5.0 Pro 一半。 我自己也有测试，稳定性和背景透明相当不错，在游戏、电商改图、视频制作等实用场景都有价值，完整的测试见文章。 官方博客：https://seed.bytedance.com/zh/blog/more-realistic-images-more-stable-editing-across-100-rounds-introducing-seedream-5-5在 X 查看被引用的帖子
来源：宝玉 · x.com