AI 아바타 & 토킹 헤드 비디오
inference.sh CLI를 통해 AI 아바타와 토킹 헤드 비디오를 생성합니다.

빠른 시작
inference.sh CLI (
belt)가 필요합니다. 설치 안내
belt login
# 권장: P-Video-Avatar (가장 빠르고 저렴하며 내장 TTS 제공)
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-Avatar로 시작하세요 — 대안보다 18배 빠르고 6배 저렴하며 내장 TTS, 동적 배경, 1080p를 지원합니다.
| 모델 | 앱 ID | 최적 사용 | 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 | 이미지 토크(립싱크) | 예 |
| PixVerse Lipsync | falai/pixverse-lipsync | 매우 사실적인 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. 오늘 세 가지 핵심 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": "이것은 정말 exciting 소식입니다!",
"voice": "Aoede (Female)",
"voice_prompt": "열정적이고 활기찬 어조",
"video_prompt": "화자는 무대 위에서 드라마틱한 조명을 받으며 발표하고 있습니다",
"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 아바타 생성:
# 1. 초상화 이미지 생성
belt app run pruna/p-image --input '{
"prompt": "젊은 여성의 프로필 사진, 중립 배경, 카메라를 바라보며, 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 기능들을 안내해 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 사람이 있는 이미지에서 구동할 캐릭터를 지정할 수 있습니다.
Fabric 1.0 (이미지 토크)
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 미지원 모델 대상)
내장 TTS가 없는 모델의 경우 먼저 음성을 생성합니다:
# 1. 텍스트에서 음성 생성
belt app run infsh/kokoro-tts --input '{
"prompt": "제품 데모에 오신 것을 환영합니다. 오늘 여러분께..."
}' > speech.json
# 2. 생성된 음성으로 아바타 비디오 생성
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://presenter-photo.jpg",
"audio_url": "<1단계-오디오-url>"
}'
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. 새로운 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": "<새로운-오디오-url>"
}'
사용 사례
- 마케팅: AI 프레젠터를 이용한 제품 데모
- 교육: 강의 영상, 설명 영상
- 현지화: 여러 언어로 콘텐츠 더빙
- 소셜 미디어: 일관된 가상 인플루언서
- 기업: 교육 영상, 공지 사항
- 게임: 캐릭터 아바타, NPC 대화
팁
- 고품질 초상화 사진 사용 (정면, 좋은 조명)
- 오디오는 깨끗하고 배경 소음이 최소여야 함
- P-Video-Avatar는 내장 TTS 지원 — 별도의 음성 생성 단계가 필요 없음
- P-Video-Avatar 출력 화면 비율은 입력 이미지를 따름
- 세로 비디오의 경우
pruna/p-image로9:16화면 비율의 초상화 생성 - OmniHuman 1.5는 한 이미지에 여러 사람 지원
- LatentSync는 기존 비디오에 새 오디오를 동기화하는 데 가장 적합
관련 스킬
# 전용 P-Video-Avatar 스킬
npx skills add inference-sh/skills@p-video-avatar
# 전체 플랫폼 스킬 (250개 이상의 앱)
npx skills add inference-sh/skills@infsh-cli
# 텍스트 음성 변환 (TTS 미지원 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 보기: belt app list --category video
문서
- 앱 실행 - CLI로 앱 실행 방법
- 콘텐츠 파이프라인 예제 - 미디어 워크플로우 구축
- 스트리밍 결과 - 실시간 진행 상황 업데이트