基于 VRM 虚拟形象生成唇同步视频消息，支持文字转语音后自动合成带表情动作的圆形视频笔记，适合个性化沟通与内容创作
说明：
## 核心用法
Video Message 是一个将文字或音频转换为虚拟形象视频的技能，通过 VRM 格式的 3D _avatar_ 实现唇形同步，输出为 Telegram 风格的圆形视频笔记。
**典型工作流程**：
1. 从 `TOOLS.md` 读取配置（avatar 模型、背景色/图）
2. 如有文字输入，先调用 TTS 生成音频
3. 使用 `avatarcam` 工具将音频与虚拟形象合成视频
4. 通过 `message` 工具以 `asVideoNote=true` 发送圆形视频
**配置灵活性**：支持自定义 VRM 模型、纯色或图片背景，分辨率 384×384、30fps、H.264/AAC 编码，最长 60 秒。
## 显著优点
– **个性化表达**：相比纯文字或语音，虚拟形象视频更具亲和力和辨识度
– **自动化流程**：TTS → 视频生成 → 发送全流程自动化，用户只需输入文字
– **平台兼容**：原生支持 macOS/Windows，Linux 通过 xvfb 无头渲染
– **标准输出**：采用通用 MP4 格式和 Telegram video note 规范，兼容性好
## 潜在缺点与局限性
– **依赖外部工具链**：需同时安装 Node.js 包 `@thewulf7/openclaw-avatarcam` 和系统级依赖（ffmpeg、xvfb），配置复杂度较高
– **性能开销**：Electron 渲染 + FFmpeg 转码，处理时间约为音频长度的 1.5 倍
– **Linux 限制**：必须配置无头显示环境（xvfb），且 GPU 警告虽无害但可能干扰日志
– **版权与形象权**：使用第三方 VRM 模型需注意授权协议，商业场景存在合规风险
– **功能边界**：仅支持圆形视频笔记格式，如需标准矩形视频需额外配置
## 适合人群
– 需要为 Bot 添加人格化视频交互的开发者
– 内容创作者寻求快速生成 avatar 口播视频
– Telegram 生态运营者，希望发送更具吸引力的消息格式
## 常规风险
– **临时文件管理**：需在发送后手动清理 `/tmp/video*.mp4`，否则存在磁盘空间泄漏
– **TTS 内容审核**：合成语音的内容需前置过滤，避免生成不当言论视频
– **模型安全**：VRM 文件可能包含恶意脚本，建议仅使用可信来源的模型
– **隐私披露**：视频生成过程中的音频临时文件可能残留敏感信息
