Was macht KI-Avatar & Sprechende Kopfvideos?
Erstelle KI-Avatare und sprechende Kopfvideos über das inference.sh CLI.
Schnellstart
curl -fsSL https://cli.inference.sh | sh && infsh login
# Avatarvideo aus Bild + Audio erstellen
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://speech.mp3"
}'
Verfügbare Modelle
| Modell | App-ID | Am besten geeignet für |
|---|---|---|
| OmniHuman 1.5 | bytedance/omnihuman-1-5 | Mehrere Charaktere, beste Qualität |
| OmniHuman 1.0 | bytedance/omnihuman-1-0 | Einzelner Charakter |
| Fabric 1.0 | falai/fabric-1-0 | Bild spricht mit Lippensynchronisation |
| PixVerse Lipsync | falai/pixverse-lipsync | Hochrealistisch |
Avatar-Apps durchsuchen
infsh app list --search "omnihuman"
infsh app list --search "lipsync"
infsh app list --search "fabric"
Beispiele
OmniHuman 1.5 (Mehrere Charaktere)
infsh 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)
infsh app run falai/fabric-1-0 --input '{
"image_url": "https://face.jpg",
"audio_url": "https://audio.mp3"
}'
PixVerse Lipsync
infsh app run falai/pixverse-lipsync --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://speech.mp3"
}'
Erzeugt hochrealistische Lippensynchronisation aus beliebigen Audiodaten.
Vollständiger Workflow: TTS + Avatar
# 1. Sprache aus Text generieren
infsh app run infsh/kokoro-tts --input '{
"text": "Willkommen zu unserer Produktdemo. Heute zeige ich Ihnen ..."
}' > speech.json
# 2. Avatarvideo mit der Sprache erstellen
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://presenter-photo.jpg",
"audio_url": "<audio-url-from-step-1>"
}'
Vollständiger Workflow: Video in einer anderen Sprache synchronisieren
# 1. Originalvideo transkribieren
infsh 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
infsh app run infsh/kokoro-tts --input '{"text": "<translated-text>"}' > new_speech.json
# 4. Originalvideo mit neuem Audio synchronisieren
infsh app run infsh/latentsync-1-6 --input '{
"video_url": "https://original-video.mp4",
"audio_url": "<new-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
Tipps
- Verwende hochwertige Porträtfotos (von vorne, gute Beleuchtung)
- Audio sollte klar mit minimalen Hintergrundgeräuschen sein
- OmniHuman 1.5 unterstützt mehrere Personen in einem Bild
- LatentSync eignet sich am besten, um vorhandene Videos mit neuem Audio zu synchronisieren
Verwandte Fähigkeiten
# Vollständige Plattform-Fähigkeit (alle 150+ Apps)
npx skills add inference-sh/skills@inference-sh
# Text-to-Speech (Audio für Avatare generieren)
npx skills add inference-sh/skills@text-to-speech
# Speech-to-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
Alle Video-Apps durchsuchen: infsh app list --category video
Dokumentation
- Apps ausführen – So führst du Apps über die Befehlszeile aus
- Content-Pipeline-Beispiel – Medienworkflows erstellen
- Streaming-Ergebnisse – Echtzeit-Fortschrittsaktualisierungen