Communitygithub.com

Aadi-110i/PEP-PROJECT

Erstelle KI-Avatare und Sprechkopf-Videos über die inference.sh CLI. Empfohlen: P-Video-Avatar (am schnellsten, günstigsten, integriertes TTS). Auch: OmniHuman, Fabric, PixVerse. Fähigkeiten: audio-gesteuerte Avatare, Text-zu-Avatar, LippenSync-Videos, Sprechkopf-Generierung, virtuelle Präsentatoren. Verwendung für: KI-Präsentatoren, Erklärvideos, virtuelle Influencer, Synchronisation, Marketing-Videos.

Was ist PEP-PROJECT?

Diese Fähigkeit ermöglicht die Erstellung von KI-Avataren und Sprechkopf-Videos über die inference.sh CLI (belt). Sie ist ideal für Entwickler, die schnell und kostengünstig professionelle Avatare für Präsentationen, Erklärvideos, Marketing, Lokalisierung und virtuelle Influencer benötigen. Das empfohlene Modell P-Video-Avatar von Pruna ist 18x schneller und 6x günstiger als Alternativen und bietet integrierte Text-to-Speech (TTS) mit 30 Stimmen in 10 Sprachen. Darüber hinaus unterstützt die Fähigkeit Modelle wie OmniHuman 1.5 für Multi-Charakter-Szenarien, Fabric für sprechende Bilder und PixVerse für hochrealistisches LippenSync. Der Workflow umfasst auch die Generierung von Porträtbildern (z. B. mit pruna/p-image), die Sprachsynthese mit Kokoro TTS und die Nachsyndronisation bestehender Videos mit LatentSync, um komplette Medien-Pipelines zu erstellen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Aadi-110i/PEP-PROJECT/tree/HEAD/skills/ai-avatar-video

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Vorschau

Aus dem Skill-README

KI-Avatar & Sprechkopf-Videos

Dokumentation

KI-Avatar & Sprechkopf-Videos

Erstelle KI-Avatare und Sprechkopf-Videos über inference.sh CLI.

KI-Avatar & Sprechkopf-Videos

Schnellstart

Erfordert inference.sh CLI (belt). Installationsanleitung

belt login

# Empfohlen: P-Video-Avatar (am schnellsten, günstigsten, integriertes TTS)
belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "Hallo, willkommen zu unserer Produktdemo!",
  "voice": "Zephyr (Weiblich)"
}'

Verfügbare Modelle

Beginne mit P-Video-Avatar – es ist 18x schneller und 6x günstiger als Alternativen, mit integriertem TTS, dynamischen Hintergründen und 1080p-Unterstützung.

ModellApp-IDAm besten geeignet fürIntegriertes TTS
P-Video-Avatarpruna/p-video-avatarBeste Gesamtleistung: Geschwindigkeit, Kosten, Qualität, KontrolleJa (30 Stimmen, 10 Sprachen)
OmniHuman 1.5bytedance/omnihuman-1-5Mehrere Charaktere, audio-gesteuertNein
Fabric 1.0falai/fabric-1-0Bild spricht mit LippenSyncJa
PixVerse Lipsyncfalai/pixverse-lipsyncHochrealistisches LippenSyncNein

Kosten- und Geschwindigkeitsvergleich

ModellGeschwindigkeit (pro Sekunde Video)Kosten pro Sekunde
P-Video-Avatar~1,83 s/s0,025 $
OmniHuman 1.5~28 s/s (15x langsamer)0,16 $ (6,4x mehr)
Fabric 1.0~34 s/s (18x langsamer)0,14 $ (5,6x mehr)

Beispiele

P-Video-Avatar (Empfohlen)

Generiere Avatar aus Porträt + Textskript mit integriertem TTS:

belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "Willkommen zu unserer Produktvorstellung. Heute zeige ich Ihnen drei wichtige Funktionen.",
  "voice": "Puck (Männlich)",
  "voice_language": "Deutsch",
  "resolution": "720p"
}'

Mit benutzerdefinierter Stilsteuerung:

belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "Das sind aufregende Neuigkeiten!",
  "voice": "Aoede (Weiblich)",
  "voice_prompt": "Begeisterter und energischer Ton",
  "video_prompt": "Die Person präsentiert auf einer Bühne mit dramatischer Beleuchtung",
  "resolution": "1080p"
}'

Mit Audiodatei anstelle von TTS:

belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "audio": "https://speech.mp3"
}'

Vollständiger Workflow: Porträt + Avatar generieren

Verwende Pruna P-Image, um das Porträt zu generieren, und erstelle dann den Avatar:

# 1. Generiere ein Porträtbild
belt app run pruna/p-image --input '{
  "prompt": "professionelles Kopfschussporträt einer jungen Frau, neutraler Hintergrund, in die Kamera schauend, Studiolicht, fotorealistisch",
  "aspect_ratio": "9:16"
}'

# 2. Erstelle Avatar-Video mit integriertem TTS
belt app run pruna/p-video-avatar --input '{
  "image": "<image-url-aus-schritt-1>",
  "voice_script": "Hallo! Lassen Sie mich Sie durch unsere neuesten Funktionen führen.",
  "voice": "Zephyr (Weiblich)"
}'

OmniHuman 1.5 (Mehrere Charaktere)

belt app run bytedance/omnihuman-1-5 --input '{
  "image_url": "https://portrait.jpg",
  "audio_url": "https://speech.mp3"
}'

Unterstützt die Angabe, welcher Charakter in Bildern mit mehreren Personen gesteuert werden soll.

Fabric 1.0 (Bild spricht)

belt app run falai/fabric-1-0 --input '{
  "image_url": "https://face.jpg",
  "audio_url": "https://audio.mp3"
}'

PixVerse Lipsync

belt app run falai/pixverse-lipsync --input '{
  "image_url": "https://portrait.jpg",
  "audio_url": "https://speech.mp3"
}'

Vollständiger Workflow: TTS + Avatar (Modelle ohne TTS)

Für Modelle ohne integriertes TTS generiere zuerst die Sprachausgabe:

# 1. Generiere Sprache aus Text
belt app run infsh/kokoro-tts --input '{
  "prompt": "Willkommen zu unserer Produktdemo. Heute zeige ich Ihnen..."
}' > speech.json

# 2. Erstelle Avatar-Video mit der Sprachausgabe
belt app run bytedance/omnihuman-1-5 --input '{
  "image_url": "https://presenter-photo.jpg",
  "audio_url": "<audio-url-aus-schritt-1>"
}'

Vollständiger Workflow: Video in eine andere Sprache synchronisieren

# 1. Originalvideo transkribieren
belt app run infsh/fast-whisper-large-v3 --input '{"audio_url": "https://video.mp4"}' > transcript.json

# 2. Text übersetzen (manuell oder mit einem LLM)

# 3. Sprache in der neuen Sprache generieren
belt app run infsh/kokoro-tts --input '{"text": "<übersetzter-text>"}' > new_speech.json

# 4. Originalvideo mit neuer Audiospur synchronisieren
belt app run infsh/latentsync-1-6 --input '{
  "video_url": "https://original-video.mp4",
  "audio_url": "<neue-audio-url>"
}'

Anwendungsfälle

  • Marketing: Produktdemos mit KI-Präsentator
  • Bildung: Kursvideos, Erklärvideos
  • Lokalisierung: Inhalte in mehreren Sprachen synchronisieren
  • Soziale Medien: Konsistenter virtueller Influencer
  • Unternehmen: Schulungsvideos, Ankündigungen
  • Gaming: Charakter-Avatare, NPC-Dialoge

Tipps

  • Verwende hochwertige Porträtfotos (Vorderansicht, gute Beleuchtung)
  • Audio sollte klar sein mit minimalen Hintergrundgeräuschen
  • P-Video-Avatar unterstützt integriertes TTS — kein separater Sprachgenerierungsschritt nötig
  • Das Seitenverhältnis der P-Video-Avatar-Ausgabe entspricht dem Eingabebild
  • Generiere Porträts mit pruna/p-image im Seitenverhältnis 9:16 für vertikale Videos
  • OmniHuman 1.5 unterstützt mehrere Personen in einem Bild
  • LatentSync ist am besten geeignet, um vorhandene Videos mit neuen Audiospuren zu synchronisieren

Verwandte Fähigkeiten

# Dedizierte P-Video-Avatar-Fähigkeit
npx skills add inference-sh/skills@p-video-avatar

# Vollständige Plattform-Fähigkeit (alle 250+ Apps)
npx skills add inference-sh/skills@infsh-cli

# Text-zu-Sprache (Audio für Nicht-TTS-Avatar-Modelle generieren)
npx skills add inference-sh/skills@text-to-speech

# Sprache-zu-Text (für Synchronisation transkribieren)
npx skills add inference-sh/skills@speech-to-text

# Videogenerierung
npx skills add inference-sh/skills@ai-video-generation

# Bildgenerierung (Avatar-Bilder erstellen)
npx skills add inference-sh/skills@ai-image-generation

Durchsuche alle Video-Apps: belt app list --category video

Dokumentation

Individual skills in this repo

This repo contains 13 individual skills — each has its own dedicated page.

Aadi-110i/PEP-PROJECT

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

Aadi-110i/PEP-PROJECT

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

Aadi-110i/PEP-PROJECT

ElevenLabs text-to-speech with 22+ premium voices, multilingual support, and voice tuning via inference.sh CLI. Models: eleven_multilingual_v2 (highest quality), eleven_turbo_v2_5 (low latency), eleven_flash_v2_5 (ultra-fast). Capabilities: text-to-speech, voice selection, stability/style control, 32 languages. Use for: voiceovers, audiobooks, video narration, podcasts, accessibility, IVR. Triggers: elevenlabs, eleven labs, elevenlabs tts, premium tts, professional voice, ai voice, high quality tts, multilingual tts, eleven labs voice, voice generation, natural speech, realistic voice, voice over, speech synthesis

Aadi-110i/PEP-PROJECT

Explainer video production guide: scripting, voiceover, visuals, and assembly. Covers script formulas, pacing rules, scene planning, and multi-tool pipelines. Use for: product demos, how-it-works videos, onboarding videos, social explainers. Triggers: explainer video, how to make explainer, product video, demo video, video production, video script, animated explainer, product demo video, tutorial video, onboarding video, walkthrough video, video pipeline

Aadi-110i/PEP-PROJECT

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

Aadi-110i/PEP-PROJECT

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

Aadi-110i/PEP-PROJECT

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

Aadi-110i/PEP-PROJECT

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

Aadi-110i/PEP-PROJECT

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

Aadi-110i/PEP-PROJECT

Three.js animation - keyframe animation, skeletal animation, morph targets, animation mixing. Use when animating objects, playing GLTF animations, creating procedural motion, or blending animations.

Aadi-110i/PEP-PROJECT

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

Aadi-110i/PEP-PROJECT

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

Aadi-110i/PEP-PROJECT

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

Verwandte Skills