Videos de Avatar IA y Cabeza Parlante
Crea avatares de IA y videos de cabezas parlantes a través de la CLI de inference.sh.

Inicio Rápido
curl -fsSL https://cli.inference.sh | sh && infsh login
# Crea un video de avatar a partir de imagen + audio
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://retrato.jpg",
"audio_url": "https://discurso.mp3"
}'
Nota de instalación: El script de instalación solo detecta tu SO/arquitectura, descarga el binario correspondiente de
dist.inference.shy verifica su suma de comprobación SHA-256. No se requieren permisos elevados ni procesos en segundo plano. Instalación manual y verificación disponibles.
Modelos Disponibles
| Modelo | ID de App | Mejor Para |
|---|---|---|
| OmniHuman 1.5 | bytedance/omnihuman-1-5 | Múltiples personajes, mejor calidad |
| OmniHuman 1.0 | bytedance/omnihuman-1-0 | Personaje único |
| Fabric 1.0 | falai/fabric-1-0 | Imagen que habla con sincronía labial |
| PixVerse Lipsync | falai/pixverse-lipsync | Altamente realista |
Buscar Aplicaciones de Avatar
infsh app list --search "omnihuman"
infsh app list --search "lipsync"
infsh app list --search "fabric"
Ejemplos
OmniHuman 1.5 (Múltiples Personajes)
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://retrato.jpg",
"audio_url": "https://discurso.mp3"
}'
Admite especificar qué personaje animar en imágenes con varias personas.
Fabric 1.0 (Imagen que Habla)
infsh app run falai/fabric-1-0 --input '{
"image_url": "https://cara.jpg",
"audio_url": "https://audio.mp3"
}'
PixVerse Lipsync
infsh app run falai/pixverse-lipsync --input '{
"image_url": "https://retrato.jpg",
"audio_url": "https://discurso.mp3"
}'
Genera una sincronía labial altamente realista a partir de cualquier audio.
Flujo de Trabajo Completo: TTS + Avatar
# 1. Genera voz a partir de texto
infsh app run infsh/kokoro-tts --input '{
"text": "Bienvenido a nuestra demostración de producto. Hoy te mostraré..."
}' > speech.json
# 2. Crea un video de avatar con la voz generada
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://foto-presentador.jpg",
"audio_url": "<url-del-audio-del-paso-1>"
}'
Flujo de Trabajo Completo: Doblar Video en Otro Idioma
# 1. Transcribe el video original
infsh app run infsh/fast-whisper-large-v3 --input '{"audio_url": "https://video.mp4"}' > transcript.json
# 2. Traduce el texto (manualmente o con un LLM)
# 3. Genera voz en el nuevo idioma
infsh app run infsh/kokoro-tts --input '{"text": "<texto-traducido>"}' > new_speech.json
# 4. Sincroniza los labios del video original con el nuevo audio
infsh app run infsh/latentsync-1-6 --input '{
"video_url": "https://video-original.mp4",
"audio_url": "<url-del-nuevo-audio>"
}'
Casos de Uso
- Marketing: Demostraciones de productos con presentador IA
- Educación: Videos de cursos, explicativos
- Localización: Doblaje de contenido en múltiples idiomas
- Redes Sociales: Influencer virtual consistente
- Corporativo: Videos de capacitación, anuncios
Consejos
- Usa fotos de retrato de alta calidad (de frente, con buena iluminación)
- El audio debe ser claro con el mínimo ruido de fondo
- OmniHuman 1.5 admite múltiples personas en una sola imagen
- LatentSync es mejor para sincronizar videos existentes con audio nuevo
Habilidades Relacionadas
# Habilidad completa de la plataforma (más de 150 apps)
npx skills add inference-sh/skills@inference-sh
# Texto a voz (generar audio para avatares)
npx skills add inference-sh/skills@text-to-speech
# Voz a texto (transcribir para doblaje)
npx skills add inference-sh/skills@speech-to-text
# Generación de video
npx skills add inference-sh/skills@ai-video-generation
# Generación de imágenes (crear imágenes de avatar)
npx skills add inference-sh/skills@ai-image-generation
Explora todas las apps de video: infsh app list --category video
Documentación
- Ejecutando Apps - Cómo ejecutar apps a través de la CLI
- Ejemplo de Pipeline de Contenido - Construir flujos de trabajo multimedia
- Resultados en Streaming - Actualizaciones de progreso en tiempo real