Videos de Avatar y Cabezas Parlantes con IA
Cuándo Usarlo
Utiliza esta habilidad según sea necesario para realizar la tarea de automatización especificada.
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
# Crear video de avatar a partir de imagen + audio
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://speech.mp3"
}'
Modelos Disponibles
| Modelo | ID de App | Mejor Para |
|---|---|---|
| OmniHuman 1.5 | bytedance/omnihuman-1-5 | Varios personajes, mejor calidad |
| OmniHuman 1.0 | bytedance/omnihuman-1-0 | Un solo personaje |
| Fabric 1.0 | falai/fabric-1-0 | Imágenes que hablan con sincronización 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 (Varios Personajes)
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://speech.mp3"
}'
Permite especificar qué personaje animar en imágenes con varias personas.
Fabric 1.0 (Imágenes que Hablan)
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"
}'
Genera sincronización labial altamente realista a partir de cualquier audio.
Flujo de Trabajo Completo: TTS + Avatar
# 1. Generar 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. Crear video de avatar con la voz generada
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://presenter-photo.jpg",
"audio_url": "<url-audio-del-paso-1>"
}'
Flujo de Trabajo Completo: Doblar Video en Otro Idioma
# 1. Transcribir video original
infsh app run infsh/fast-whisper-large-v3 --input '{"audio_url": "https://video.mp4"}' > transcript.json
# 2. Traducir texto (manualmente o con un LLM)
# 3. Generar voz en el nuevo idioma
infsh app run infsh/kokoro-tts --input '{"text": "<texto-traducido>"}' > new_speech.json
# 4. Sincronizar 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-nuevo-audio>"
}'
Casos de Uso
- Marketing: Demostraciones de productos con presentador de IA
- Educación: Videos de cursos, explicaciones
- Localización: Doblaje de contenido en varios idiomas
- Redes Sociales: Influencer virtual consistente
- Corporativo: Videos de formación, anuncios
Consejos
- Usa fotos de retrato de alta calidad (de frente, con buena iluminación)
- El audio debe ser claro con mínimo ruido de fondo
- OmniHuman 1.5 soporta múltiples personas en una sola imagen
- LatentSync es ideal para sincronizar videos existentes con nuevo audio
Habilidades Relacionadas
# Habilidad completa de la plataforma (más de 150 aplicaciones)
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 aplicaciones de video: infsh app list --category video
Documentación
- Ejecutar Aplicaciones - Cómo ejecutar aplicaciones mediante CLI
- Ejemplo de Pipeline de Contenido - Creación de flujos de trabajo multimedia
- Resultados en Streaming - Actualizaciones de progreso en tiempo real