Installer la compétence CLI belt :
npx skills add belt-sh/cli
Vidéos d'Avatars IA & de Têtes Parlantes
Créez des avatars IA et des vidéos de têtes parlantes via l'interface CLI inference.sh.
Démarrage Rapide
Nécessite l'interface CLI inference.sh (
belt). Instructions d'installation
belt login
# Recommandé : P-Video-Avatar (le plus rapide, le moins cher, TTS intégré)
bel app run pruna/p-video-avatar --input '{
"image": "https://portrait.jpg",
"voice_script": "Bonjour et bienvenue dans notre démonstration 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 support 1080p.
| Modèle | ID de l'App | Meilleur 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 audio | Non |
| Fabric 1.0 | falai/fabric-1-0 | Image parlante avec synchronisation labiale | Oui |
| PixVerse Lipsync | falai/pixverse-lipsync | Synchronisation labiale 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)
Générer un avatar à partir d'un portrait et d'un script texte 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",
"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 présente 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://discours.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 la caméra, éclairage studio, photoréaliste",
"aspect_ratio": "9:16"
}'
# 2. Créer une vidéo avatar avec TTS intégré
belt app run pruna/p-video-avatar --input '{
"image": "<url-image-étape-1>",
"voice_script": "Bonjour ! 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://discours.mp3"
}'
Prend en charge la spécification du personnage à piloter dans les images multi-personnes.
Fabric 1.0 (Image Parlante)
belt app run falai/fabric-1-0 --input '{
"image_url": "https://visage.jpg",
"audio_url": "https://audio.mp3"
}'
PixVerse Lipsync
belt app run falai/pixverse-lipsync --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://discours.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 démonstration produit ! [excité] Laissez-moi vous montrer trois fonctionnalités qui changeront votre façon de travailler.",
"voice_id": "Sarah",
"delivery_mode": "CREATIVE"
}' > parole.json
# 2. Créer une vidéo avatar avec la parole
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://photo-presentateur.jpg",
"audio_url": "<url-audio-étape-1>"
}'
Astuce : Pour la plupart des cas d'usage, P-Video-Avatar avec TTS intégré est plus simple — pas d'étape audio séparée nécessaire. Utilisez ce workflow uniquement lorsque vous avez besoin spécifiquement d'OmniHuman (multi-personnages) ou PixVerse (synchronisation labiale réaliste).
Workflow Complet : Dubler 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"}' > transcription.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>"}' > nouvelle_parole.json
# 4. Synchroniser labialement la vidéo originale avec le nouvel audio
belt app run infsh/latentsync-1-6 --input '{
"video_url": "https://video-originale.mp4",
"audio_url": "<nouvelle-url-audio>"
}'
Génération de Contenu UGC Avatar
Créez du contenu de style UGC avec P-Video-Avatar — TTS intégré, pas d'étape audio séparée nécessaire :
# 1. Générer un portrait de style UGC
belt app run pruna/p-image --input '{
"prompt": "photo style selfie décontracté d'une jeune femme dans une pièce cosy, éclairage naturel, regardant la caméra, sourire chaleureux, sensation authentique",
"aspect_ratio": "9:16"
}'
# 2. Créer une vidéo avatar UGC avec TTS intégré
belt app run pruna/p-video-avatar --input '{
"image": "<url-image-étape-1>",
"voice_script": "Bon alors j'ai juste essayé ce produit et honnêtement ? C'est une révolution. Je ne m'attendais pas à l'aimer autant mais voilà !",
"voice": "Zephyr (Femme)",
"voice_prompt": "Ton excité, décontracté, authentique comme parler à un ami",
"video_prompt": "La personne parle décontractément à la caméra dans sa chambre, gestes naturels",
"resolution": "1080p"
}'
Pourquoi P-Video-Avatar pour l'UGC
- Tout-en-un — TTS intégré signifie pas d'étape de génération audio séparée
- 30 voix, 10 langues — adaptez-vous à votre public cible
- Prompts vocaux + 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 vs. Fabric/OmniHuman/HeyGen
- Support 1080p — vidéo verticale prête pour les plateformes à partir d'une seule image portrait
UGC en Série : 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 véritable témoignage\",
\"video_prompt\": \"Personne parlant à la caméra dans une cuisine lumineuse\",
\"resolution\": \"1080p\"
}"
done
Cas d'Usage
- UGC & Marketing : Démonstrations produits, publicités de style UGC avec présentateurs IA
- Éducation : Vidéos de cours, vidéos explicatives
- Localisation : Dubler du contenu dans plus de 10 langues à partir d'une seule image
- Médias Sociaux : Contenu cohérent d'influenceurs virtuels
- Entreprise : Vidéos de formation, annonces
- Jeux Vidéo : Avatars de personnages, dialogues PNJ
Astuces
- Utilisez des portraits photo de haute qualité (visage de face, bon éclairage)
- L'audio doit être clair avec un minimum de bruit de fond
- P-Video-Avatar prend en charge le TTS intégré — pas besoin d'une étape de génération vocale séparée
- Le rapport hauteur/largeur de la sortie de P-Video-Avatar correspond à l'image d'entrée
- Générez des portraits avec
pruna/p-imageen utilisant le rapport9:16pour les vidéos verticales - OmniHuman 1.5 prend en charge plusieurs personnes dans une seule image
- LatentSync est le meilleur 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 apps)
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
Parcourir toutes les applications vidéo : belt app list --category video
Documentation
- Exécution d'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