Loading...
ai-avatar-video
原文：🇺🇸 英文
已翻译
通过inference.sh CLI，借助OmniHuman、Fabric、PixVerse创建AI头像和会说话的头部视频。支持模型：OmniHuman 1.5、OmniHuman 1.0、Fabric 1.0、PixVerse Lipsync。功能特性：音频驱动头像、唇形同步视频、会说话的头部生成、虚拟主持人。适用场景：AI主持人、讲解视频、虚拟网红、配音、营销视频。相关关键词：AI头像、会说话的头部、唇形同步、头像视频、虚拟主持人、AI发言人、音频驱动视频、Heygen替代方案、Synthesia替代方案、会说话的头像、唇形同步、视频头像、AI主持人、数字人
925次下载
添加于
NPX安装
npx skill4agent add skill-zero/s ai-avatar-video标签
翻译版元数据已加入标签，便于Agent理解和查找SKILL.md 内容（中文）
查看翻译对照 →AI头像与会说话的头部视频
通过inference.sh CLI创建AI头像和会说话的头部视频。
快速开始
bash
curl -fsSL https://cli.inference.sh | sh && infsh login
# 从图片+音频创建头像视频
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://speech.mp3"
}'可用模型
| 模型 | App ID | 最佳适用场景 |
|---|---|---|
| OmniHuman 1.5 | | 多角色，画质最佳 |
| OmniHuman 1.0 | | 单角色 |
| Fabric 1.0 | | 图片唇形同步说话 |
| PixVerse Lipsync | | 超真实效果 |
搜索头像应用
bash
infsh app list --search "omnihuman"
infsh app list --search "lipsync"
infsh app list --search "fabric"示例
OmniHuman 1.5（多角色）
bash
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://speech.mp3"
}'支持在多人图片中指定要驱动的角色。
Fabric 1.0（图片说话）
bash
infsh app run falai/fabric-1-0 --input '{
"image_url": "https://face.jpg",
"audio_url": "https://audio.mp3"
}'PixVerse Lipsync
bash
infsh app run falai/pixverse-lipsync --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://speech.mp3"
}'可通过任意音频生成超真实的唇形同步效果。
完整工作流：文本转语音 + 头像生成
bash
# 1. 从文本生成语音
infsh app run infsh/kokoro-tts --input '{
"text": "欢迎观看我们的产品演示，今天我将为大家展示..."
}' > speech.json
# 2. 用生成的语音创建头像视频
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://presenter-photo.jpg",
"audio_url": "<步骤1生成的音频链接>"
}'完整工作流：视频多语言配音
bash
# 1. 转录原视频音频
infsh app run infsh/fast-whisper-large-v3 --input '{"audio_url": "https://video.mp4"}' > transcript.json
# 2. 翻译文本（手动或借助大语言模型）
# 3. 生成目标语言的语音
infsh app run infsh/kokoro-tts --input '{"text": "<翻译后的文本>"}' > new_speech.json
# 4. 将原视频与新音频进行唇形同步
infsh app run infsh/latentsync-1-6 --input '{
"video_url": "https://original-video.mp4",
"audio_url": "<新音频链接>"
}'适用场景
- 营销：AI主持人产品演示
- 教育：课程视频、讲解视频
- 本地化：多语言内容配音
- 社交媒体：风格统一的虚拟网红
- 企业：培训视频、公告视频
小贴士
- 使用高质量正面肖像照（光线充足）
- 音频需清晰，背景噪音尽可能小
- OmniHuman 1.5支持单图多角色
- LatentSync最适合将现有视频与新音频同步
相关技能
bash
# 全平台技能（包含150+应用）
npx skills add inference-sh/skills@inference-sh
# 文本转语音（为头像生成音频）
npx skills add inference-sh/skills@text-to-speech
# 语音转文本（用于配音转录）
npx skills add inference-sh/skills@speech-to-text
# 视频生成
npx skills add inference-sh/skills@ai-video-generation
# 图像生成（创建头像图片）
npx skills add inference-sh/skills@ai-image-generation浏览所有视频应用：
infsh app list --category video