Installer la compétence CLI belt :
npx skills add belt-sh/cli
IA Avatar & Vidéos de Tête Parlante
Créez des avatars IA et des vidéos de tête parlante via l'interface en ligne de commande inference.sh.

Démarrage Rapide
Nécessite l'interface en ligne de commande inference.sh (
belt). Instructions d'installation
belt login
# Recommandé : P-Video-Avatar (le plus rapide, le moins cher, TTS intégré)
belt app run pruna/p-video-avatar --input '{
"image": "https://portrait.jpg",
"voice_script": "Bonjour, bienvenue dans notre démo produit !",
"voice": "Zephyr (Femme)"
}'
Modèles Disponibles
Commencez par P-Video-Avatar — il est 18 fois plus rapide et 6 fois moins cher que les alternatives, avec TTS intégré, arrière-plans dynamiques et prise en charge 1080p.
| Modèle | ID de l'application | Idéal pour | TTS intégré |
|---|---|---|---|
| P-Video-Avatar | pruna/p-video-avatar | Meilleur global : vitesse, coût, qualité, contrôle | Oui (30 voix, 10 langues) |
| OmniHuman 1.5 | bytedance/omnihuman-1-5 | Multi-personnages, piloté par l'audio | Non |
| Fabric 1.0 | falai/fabric-1-0 | Parle d'image avec lipsync | Oui |
| PixVerse Lipsync | falai/pixverse-lipsync | Lipsync très réaliste | Non |
Comparaison Coût & Vitesse
| Modèle | Vitesse (par seconde de vidéo) | Coût par seconde |
|---|---|---|
| P-Video-Avatar | ~1,83 s/s | 0,025 $ |
| OmniHuman 1.5 | ~28 s/s (15x plus lent) | 0,16 $ (6,4x plus cher) |
| Fabric 1.0 | ~34 s/s (18x plus lent) | 0,14 $ (5,6x plus cher) |
Exemples
P-Video-Avatar (Recommandé)
Générez un avatar à partir d'un portrait et d'un script textuel avec TTS intégré :
belt app run pruna/p-video-avatar --input '{
"image": "https://portrait.jpg",
"voice_script": "Bienvenue dans notre présentation produit. Aujourd'hui, je vais vous montrer trois fonctionnalités clés.",
"voice": "Puck (Homme)",
"voice_language": "Français (France)",
"resolution": "720p"
}'
Avec contrôle de style personnalisé :
belt app run pruna/p-video-avatar --input '{
"image": "https://portrait.jpg",
"voice_script": "C'est une nouvelle passionnante !",
"voice": "Aoede (Femme)",
"voice_prompt": "Ton enthousiaste et énergique",
"video_prompt": "La personne parle sur scène avec un éclairage dramatique",
"resolution": "1080p"
}'
Avec fichier audio au lieu du TTS :
belt app run pruna/p-video-avatar --input '{
"image": "https://portrait.jpg",
"audio": "https://speech.mp3"
}'
Workflow Complet : Générer un Portrait + Avatar
Utilisez Pruna P-Image pour générer le portrait, puis créez l'avatar :
# 1. Générer une image de portrait
belt app run pruna/p-image --input '{
"prompt": "portrait professionnel d'une jeune femme, fond neutre, regardant l'objectif, éclairage studio, photoréaliste",
"aspect_ratio": "9:16"
}'
# 2. Créer une vidéo d'avatar avec TTS intégré
belt app run pruna/p-video-avatar --input '{
"image": "<url-de-l-image-étape-1>",
"voice_script": "Salut ! Laissez-moi vous présenter nos dernières fonctionnalités.",
"voice": "Zephyr (Femme)"
}'
OmniHuman 1.5 (Multi-Personnages)
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://speech.mp3"
}'
Prend en charge la sélection du personnage à animer dans les images multi-personnes.
Fabric 1.0 (L'Image Parle)
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"
}'
Workflow Complet : TTS + Avatar (Modèles Sans TTS)
Pour les modèles sans TTS intégré (OmniHuman, PixVerse), générez d'abord la parole :
# 1. Générer la parole — Inworld TTS-2 pour des voix de personnages expressives
belt app run inworld/text-to-speech-2 --input '{
"text": "[amical] Bienvenue dans notre démo produit ! [excité] Laissez-moi vous montrer trois fonctionnalités qui vont changer votre façon de travailler.",
"voice_id": "Sarah",
"delivery_mode": "CRÉATIF"
}' > speech.json
# 2. Créer une vidéo d'avatar avec la parole
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://presenter-photo.jpg",
"audio_url": "<url-audio-étape-1>"
}'
Astuce : Pour la plupart des cas d'usage, P-Video-Avatar avec TTS intégré est plus simple — aucune étape audio séparée nécessaire. Utilisez ce workflow uniquement lorsque vous avez spécifiquement besoin d'OmniHuman (multi-personnages) ou de PixVerse (lipsync réaliste).
Workflow Complet : Doubler une Vidéo dans une Autre Langue
# 1. Transcrire la vidéo originale
belt app run infsh/fast-whisper-large-v3 --input '{"audio_url": "https://video.mp4"}' > transcript.json
# 2. Traduire le texte (manuellement ou avec un LLM)
# 3. Générer la parole dans la nouvelle langue
belt app run infsh/kokoro-tts --input '{"text": "<texte-traduit>"}' > new_speech.json
# 4. Synchroniser les lèvres de la vidéo originale avec le nouvel audio
belt app run infsh/latentsync-1-6 --input '{
"video_url": "https://original-video.mp4",
"audio_url": "<nouvelle-url-audio>"
}'
Génération de Contenu UGC Avatar
Créez du contenu de style UGC avec P-Video-Avatar — TTS intégré, aucune étape audio séparée nécessaire :
# 1. Générer un portrait de style UGC crédible
belt app run pruna/p-image --input '{
"prompt": "photo style selfie décontractée d'une jeune femme dans une pièce cosy, lumière naturelle, regardant l'objectif, sourire chaleureux, ambiance authentique",
"aspect_ratio": "9:16"
}'
# 2. Créer une vidéo d'avatar UGC avec TTS intégré
belt app run pruna/p-video-avatar --input '{
"image": "<url-de-l-image-étape-1>",
"voice_script": "Bon alors je viens d'essayer ce produit et honnêtement ? C'est une révolution. Je ne m'attendais pas à l'aimer autant mais ça y est !",
"voice": "Zephyr (Femme)",
"voice_prompt": "Ton excité, décontracté, authentique comme si on parlait à un ami",
"video_prompt": "La personne parle décontractée à la caméra dans sa chambre, gestes naturels",
"resolution": "1080p"
}'
Pourquoi P-Video-Avatar pour UGC
- Tout-en-un — TTS intégré signifie aucune étape de génération audio séparée
- 30 voix, 10 langues — adaptez votre public cible
- Invites vocales + vidéo — contrôlez le ton, l'émotion, le langage corporel et l'arrière-plan indépendamment
- 18x plus rapide, 6x moins cher — produisez de l'UGC à grande échelle par rapport à Fabric/OmniHuman/HeyGen
- Prise en charge 1080p — vidéo verticale prête pour les plateformes à partir d'une seule image portrait
UGC en Lot : Même Produit, Plusieurs Présentateurs
# Générer 3 présentateurs différents
for voice in "Zephyr (Femme)" "Puck (Homme)" "Aoede (Femme)"; do
belt app run pruna/p-video-avatar --input "{
\"image\": \"https://portrait.jpg\",
\"voice_script\": \"Cela a complètement changé ma routine matinale. Cinq minutes et j'ai fini.\",
\"voice\": \"$voice\",
\"voice_prompt\": \"Décontracté, authentique, comme un vrai témoignage\",
\"video_prompt\": \"Personne parlant à la caméra dans une cuisine lumineuse\",
\"resolution\": \"1080p\"
}"
done
Cas d'Utilisation
- UGC & Marketing : Démonstrations produit, publicités de style UGC avec présentateurs IA
- Éducation : Vidéos de cours, explicatifs
- Localisation : Doubler du contenu dans 10 langues à partir d'une image
- Réseaux Sociaux : Contenu cohérent d'influenceur virtuel
- Entreprise : Vidéos de formation, annonces
- Jeux Vidéo : Avatars de personnages, dialogues de PNJ
Conseils
- Utilisez des photos portrait de haute qualité (visage de face, bon éclairage)
- L'audio doit être clair avec un bruit de fond minimal
- P-Video-Avatar prend en charge le TTS intégré — pas besoin d'une étape de génération vocale séparée
- Le format de sortie de P-Video-Avatar correspond au format de l'image d'entrée
- Générez des portraits avec
pruna/p-imageen utilisant le format9:16pour les vidéos verticales - OmniHuman 1.5 prend en charge plusieurs personnes dans une seule image
- LatentSync est idéal pour synchroniser des vidéos existantes avec un nouvel audio
Compétences Associées
# Compétence dédiée P-Video-Avatar
npx skills add inference-sh/skills@p-video-avatar
# Compétence plateforme complète (toutes les 250+ applications)
npx skills add inference-sh/skills@infsh-cli
# Synthèse vocale (générer de l'audio pour les modèles d'avatar sans TTS)
npx skills add inference-sh/skills@text-to-speech
# Reconnaissance vocale (transcrire pour le doublage)
npx skills add inference-sh/skills@speech-to-text
# Génération vidéo
npx skills add inference-sh/skills@ai-video-generation
# Génération d'images (créer des images d'avatar)
npx skills add inference-sh/skills@ai-image-generation
Parcourez toutes les applications vidéo : belt app store --category video
Documentation
- Exécuter des Applications - Comment exécuter des applications via CLI
- Exemple de Pipeline de Contenu - Construction de workflows multimédia
- Résultats en Streaming - Mises à jour de progression en temps réel