会说话的头像：用 AI 创建脱口秀
内容提要
本文介绍了使用亚马逊服务和开源工具构建AI生成的电视脱口秀节目的方法，包括Amazon SageMaker、Amazon Polly、Amazon Bedrock和SadTalker。文章详细介绍了环境设置、用户添加、给Amazon Polly添加权限以及运行JupyterLab等步骤。生成的视频可下载保存。文章还提到了拓展创意和学习更多关于SageMaker的建议。
延伸解读
工具组合的协同逻辑
文章将 Amazon Bedrock、Polly 和 SadTalker 串联成一条生成流水线：Bedrock 负责生成对话文本，Polly 将文本转为男女声语音，SadTalker 再根据静态图像和音频合成口型同步的说话视频。这种分工体现了当前多模态应用的一种典型思路——不追求单一模型全能，而是让各环节使用最擅长的工具，再通过 SageMaker 统一调度。
环境配置中的权限要点
使用 SageMaker Quick Setup 时，系统可能自动创建默认用户，但该用户所绑定的 IAM 角色未必包含 Amazon Polly 的调用权限。文章特别提醒，若未提前为角色添加 AmazonPollyFullAccess 策略，后续文本转语音步骤将无法执行。因此，在启动 JupyterLab 前，务必确认 Domain 的 Execution Role 已具备所需权限，避免中途报错。
运行成本与资源清理
SadTalker 需要 GPU 实例，文章建议选用 g4dn.2xlarge 并分配至少 20GB 磁盘空间。Notebook 完整运行一次约需 15 到 20 分钟，其中视频生成阶段最耗时。由于 GPU 实例和 SageMaker Inference 端点会持续计费，文章明确要求完成后关闭并删除 JupyterLab 空间及所有 Inference 端点，否则可能产生不必要的费用。
可调整的创意参数
生成基础视频后，读者可修改多个环节来获得不同效果：在 Generate Dialogue 模块更换讨论话题，为两位主播重新生成图像，或调整传递给 Claude 2 的提示词。此外，SadTalker 的参数也能控制面部运动幅度，以及是否启用面部和背景增强。这些可调项让同一套流程能反复产出不同风格的脱口秀片段，适合作为实验起点。
Q&A
如何用AI创建一个脱口秀视频？
使用亚马逊服务和开源工具组合，构建AI生成的电视脱口秀节目。具体步骤包括：设置SageMaker Domain、添加用户并授权Polly、启动JupyterLab、运行提供的Jupyter Notebook，最终生成1-2分钟由AI男主持和女主持对话的视频。
构建AI脱口秀需要哪些工具？
需要Amazon SageMaker（机器学习服务，用于托管代码和部署模型）、Amazon Polly（文本转语音服务，生成自然语音）、Amazon Bedrock（提供基础模型，用于生成对话文本）以及SadTalker（开源工具，生成逼真的会说话头部视频）。
如何设置SageMaker环境来运行AI脱口秀项目？
首先创建SageMaker Domain（使用Quick Setup），然后添加用户配置文件，并为Domain的IAM角色添加AmazonPollyFullAccess权限。接着启动JupyterLab，创建JupyterLab Space（选择g4dn.2xlarge实例，至少20GB磁盘），运行Space后打开JupyterLab，在终端中克隆项目仓库。
如何为Amazon Polly添加权限？
导航到IAM控制台，找到SageMaker Domain使用的IAM角色（可在SageMaker控制台的Domain Settings页面查看），点击角色名称，选择“Add Permissions”，添加AmazonPollyFullAccess策略，然后点击“Add permissions”完成授权。
运行Jupyter Notebook生成视频需要多长时间？
Notebook可能需要运行15-20分钟，因为一些步骤（尤其是视频生成）需要较长时间。运行完成后，在outputs/final目录下会生成talking-heads.mp4视频文件，可下载保存。
生成视频后如何清理资源？
完成后，在SageMaker Studio内删除JupyterLab空间，并在SageMaker控制台的“Inference”菜单中删除任何可能仍在运行的SageMaker Inference端点，以避免不必要的费用。
