belt CLI 스킬 설치:
npx skills add belt-sh/cli
AI 아바타 & 토킹 헤드 비디오은(는) 무엇을 하나요?
inference.sh CLI를 통해 AI 아바타와 토킹 헤드 비디오를 생성합니다.

빠른 시작
inference.sh CLI (
belt)가 필요합니다. 설치 안내
belt login
# 추천: P-Video-Avatar (가장 빠르고 저렴하며 내장 TTS 탑재)
belt app run pruna/p-video-avatar --input '{
"image": "https://portrait.jpg",
"voice_script": "안녕하세요, 제품 데모에 오신 것을 환영합니다!",
"voice": "Zephyr (Female)"
}'
사용 가능한 모델
P-Video-Avatar부터 시작하세요 — 대안보다 18배 빠르고 6배 저렴하며, 내장 TTS, 동적 배경, 1080p를 지원합니다.
| 모델 | 앱 ID | 최적 용도 | 내장 TTS |
|---|---|---|---|
| P-Video-Avatar | pruna/p-video-avatar | 전반적으로 최고: 속도, 비용, 품질, 제어 | 예 (30개 음성, 10개 언어) |
| OmniHuman 1.5 | bytedance/omnihuman-1-5 | 다중 캐릭터, 오디오 기반 | 아니요 |
| Fabric 1.0 | falai/fabric-1-0 | 이미지가 립싱크로 말하기 | 예 |
| PixVerse Lipsync | falai/pixverse-lipsync | 초고품질 립싱크 | 아니요 |
비용 및 속도 비교
| 모델 | 속도 (비디오 1초당) | 초당 비용 |
|---|---|---|
| P-Video-Avatar | ~1.83초/초 | $0.025 |
| OmniHuman 1.5 | ~28초/초 (15배 느림) | $0.16 (6.4배 비쌈) |
| Fabric 1.0 | ~34초/초 (18배 느림) | $0.14 (5.6배 비쌈) |
예제
P-Video-Avatar (권장)
초상화 + 텍스트 스크립트로 내장 TTS를 사용해 아바타 생성:
belt app run pruna/p-video-avatar --input '{
"image": "https://portrait.jpg",
"voice_script": "제품 워크스루에 오신 것을 환영합니다. 오늘은 세 가지 주요 기능을 보여드리겠습니다.",
"voice": "Puck (Male)",
"voice_language": "English (US)",
"resolution": "720p"
}'
사용자 정의 스타일 제어:
belt app run pruna/p-video-avatar --input '{
"image": "https://portrait.jpg",
"voice_script": "정말 흥미로운 소식입니다!",
"voice": "Aoede (Female)",
"voice_prompt": "열정적이고 에너지 넘치는 어조",
"video_prompt": "극적인 조명 아래 무대 위에서 발표하는 사람",
"resolution": "1080p"
}'
TTS 대신 오디오 파일 사용:
belt app run pruna/p-video-avatar --input '{
"image": "https://portrait.jpg",
"audio": "https://speech.mp3"
}'
전체 워크플로우: 초상화 생성 + 아바타
Pruna P-Image로 초상화를 생성한 후 아바타를 만듭니다:
# 1. 초상화 이미지 생성
belt app run pruna/p-image --input '{
"prompt": "젊은 여성의 전문적인 헤드샷 초상화, 중립적인 배경, 카메라 응시, 스튜디오 조명, 포토리얼리스틱",
"aspect_ratio": "9:16"
}'
# 2. 내장 TTS로 아바타 비디오 생성
belt app run pruna/p-video-avatar --input '{
"image": "<1단계-이미지-url>",
"voice_script": "안녕하세요! 최신 기능을 소개해 드리겠습니다.",
"voice": "Zephyr (Female)"
}'
OmniHuman 1.5 (다중 캐릭터)
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://speech.mp3"
}'
여러 인물이 있는 이미지에서 구동할 캐릭터 지정을 지원합니다.
Fabric 1.0 (이미지가 말하기)
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"
}'
전체 워크플로우: TTS + 아바타 (TTS 미탑재 모델용)
내장 TTS가 없는 모델(OmniHuman, PixVerse)의 경우 먼저 음성을 생성합니다:
# 1. 음성 생성 — 표현력이 풍부한 캐릭터 음성을 위한 Inworld TTS-2
belt app run inworld/text-to-speech-2 --input '{
"text": "[친근하게] 저희 제품 데모에 오신 것을 환영합니다! [신나서] 업무 방식을 바꿀 세 가지 기능을 소개해 드리겠습니다.",
"voice_id": "Sarah",
"delivery_mode": "CREATIVE"
}' > speech.json
# 2. 음성으로 아바타 비디오 생성
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://presenter-photo.jpg",
"audio_url": "<1단계-오디오-url>"
}'
팁: 대부분의 사용 사례에서 내장 TTS가 있는 P-Video-Avatar가 더 간단합니다. 별도의 오디오 단계가 필요 없습니다. OmniHuman(다중 캐릭터) 또는 PixVerse(현실적인 립싱크)가 특별히 필요한 경우에만 이 워크플로우를 사용하세요.
전체 워크플로우: 다른 언어로 비디오 더빙
# 1. 원본 비디오 전사
belt app run infsh/fast-whisper-large-v3 --input '{"audio_url": "https://video.mp4"}' > transcript.json
# 2. 텍스트 번역 (수동 또는 LLM 사용)
# 3. 새 언어로 음성 생성
belt app run infsh/kokoro-tts --input '{"text": "<번역된-텍스트>"}' > new_speech.json
# 4. 새 오디오로 원본 비디오 립싱크
belt app run infsh/latentsync-1-6 --input '{
"video_url": "https://original-video.mp4",
"audio_url": "<새-오디오-url>"
}'
아바타 UGC 생성
P-Video-Avatar로 UGC 스타일 콘텐츠 생성 — 내장 TTS, 별도의 오디오 단계 불필요:
# 1. 공감 가는 UGC 스타일 초상화 생성
belt app run pruna/p-image --input '{
"prompt": "젊은 여성의 캐주얼 셀카 스타일 사진, 아늑한 방, 자연 채광, 카메라 응시, 따뜻한 미소, 진정성 있는 느낌",
"aspect_ratio": "9:16"
}'
# 2. 내장 TTS로 UGC 아바타 비디오 생성
belt app run pruna/p-video-avatar --input '{
"image": "<1단계-이미지-url>",
"voice_script": "자, 이 제품을 방금 사용해봤는데 솔직히 말하면? 완전 게임 체인저예요. 이렇게 좋아할 줄 몰랐는데 정말 대단해요!",
"voice": "Zephyr (Female)",
"voice_prompt": "신나고, 캐주얼하며, 친구에게 말하는 듯한 진정성 있는 어조",
"video_prompt": "방 안에서 카메라에 편안하게 말하는 사람, 자연스러운 제스처",
"resolution": "1080p"
}'
UGC에 P-Video-Avatar를 선택해야 하는 이유
- 올인원 — 내장 TTS로 별도의 오디오 생성 단계 불필요
- 30개 음성, 10개 언어 — 대상 청중에 맞게 선택
- 음성 + 비디오 프롬프트 — 어조, 감정, 바디랭귀지, 배경을 독립적으로 제어
- 18배 빠르고, 6배 저렴 — Fabric/OmniHuman/HeyGen 대비 대규모 UGC 제작 가능
- 1080p 지원 — 하나의 초상화 이미지로 플랫폼에 적합한 세로 비디오 생성
배치 UGC: 동일 제품, 여러 발표자
# 3명의 다른 발표자 생성
for voice in "Zephyr (Female)" "Puck (Male)" "Aoede (Female)"; do
belt app run pruna/p-video-avatar --input "{
\"image\": \"https://portrait.jpg\",
\"voice_script\": \"이게 제 아침 루틴을 완전히 바꿨어요. 5분이면 끝나요.\",
\"voice\": \"$voice\",
\"voice_prompt\": \"캐주얼하고 진정성 있는, 실제 사용 후기 같은 느낌\",
\"video_prompt\": \"밝은 주방에서 카메라에 말하는 사람\",
\"resolution\": \"1080p\"
}"
done
사용 사례
- UGC 및 마케팅: AI 발표자를 활용한 제품 데모, UGC 스타일 광고
- 교육: 강좌 비디오, 설명 영상
- 현지화: 하나의 이미지로 10개 언어로 콘텐츠 더빙
- 소셜 미디어: 일관된 가상 인플루언서 콘텐츠
- 기업: 교육 비디오, 공지사항
- 게임: 캐릭터 아바타, NPC 대화
팁
- 고품질 초상화 사진 사용 (정면, 좋은 조명)
- 오디오는 깨끗하고 배경 잡음이 최소화되어야 함
- P-Video-Avatar는 내장 TTS를 지원하므로 별도의 음성 생성 단계 불필요
- P-Video-Avatar 출력물의 종횡비는 입력 이미지와 일치
- 세로 비디오를 위해
pruna/p-image로9:16종횡비의 초상화 생성 - OmniHuman 1.5는 한 이미지에서 여러 사람 지원
- LatentSync는 기존 비디오를 새 오디오에 동기화하는 데 최적
관련 스킬
# 전용 P-Video-Avatar 스킬
npx skills add inference-sh/skills@p-video-avatar
# 전체 플랫폼 스킬 (250개 이상 앱)
npx skills add inference-sh/skills@infsh-cli
# 텍스트-음성 변환 (TTS 미탑재 아바타 모델용 오디오 생성)
npx skills add inference-sh/skills@text-to-speech
# 음성-텍스트 변환 (더빙용 전사)
npx skills add inference-sh/skills@speech-to-text
# 비디오 생성
npx skills add inference-sh/skills@ai-video-generation
# 이미지 생성 (아바타 이미지 생성)
npx skills add inference-sh/skills@ai-image-generation
모든 비디오 앱 탐색: belt app store --category video
문서
- 앱 실행 - CLI를 통해 앱을 실행하는 방법
- 콘텐츠 파이프라인 예제 - 미디어 워크플로우 구축
- 스트리밍 결과 - 실시간 진행 상황 업데이트