严格按流程:上传图片 → 图片生成正常说话视频 → 从视频导出 25 张连续照片 → 25 张照片一键生成按语音播放的动画 → 动画 + 文字 + 语音合成圆形主播讲解框并插入演示文件 → 演示文件出短视频或 PPT。所有图片都是完整的人物头像图,直接来自视频原帧,没有局部区域图、没有裁切拼接、没有任何配图修图;逐张放大审片后,按音频像电影胶片 / GIF 一样逐帧硬切播放。