101-skills/superpowers

belt CLI 스킬 설치하기: npx skills add belt-sh/cli

AI 아바타 및 토킹 헤드 비디오

inference.sh CLI를 통해 AI 아바타와 토킹 헤드 비디오를 생성합니다.

빠른 시작

inference.sh CLI (belt)가 필요합니다. 설치 방법

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 — 대안 모델보다 18배 빠르고 6배 저렴하며, 내장 TTS, 동적 배경, 1080p를 지원합니다.

모델	앱 ID	최적 사용 사례	내장 TTS
P-Video-Avatar	pruna/p-video-avatar	최고의 종합 성능: 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 말하는 립싱크	예
PixVerse Lipsync	falai/pixverse-lipsync	초현실적 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 아바타 생성 (내장 TTS 사용):

belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "제품 워크스루에 오신 것을 환영합니다. 오늘 세 가지 주요 기능을 보여드리겠습니다.",
  "voice": "Puck (Male)",
  "voice_language": "English (US)",
  "resolution": "720p"
}'

커스텀 스타일 제어 포함:

belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "정말 신나는 소식이에요!",
  "voice": "Aoede (Female)",
  "voice_prompt": "열정적이고 활기찬 어조",
  "video_prompt": "무대 위에서 드라마틱한 조명 아래 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 다음 아바타를 만듭니다:

# 1. 초상화 이미지 생성
belt app run pruna/p-image --input '{
  "prompt": "젊은 여성의 프로필 헤드샷, 중립 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 캐릭터를 지정할 수 있습니다.

Fabric 1.0 (이미지 대화)

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)

내장 TTS가 없는 모델(OmniHuman, PixVerse)의 경우 먼저 음성을 생성합니다:

# 1. 음성 생성 — 표현력 있는 캐릭터 목소리를 위한 Inworld TTS-2
belt app run inworld/text-to-speech-2 --input '{
  "text": "[친근하게] 제품 데모에 오신 것을 환영합니다! [신나서] 업무 방식을 바꿀 세 가지 기능을 소개하겠습니다.",
  "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 사례에서는 내장 TTS가 있는 P-Video-Avatar가 더 간단합니다. 별도의 오디오 단계가 필요 없습니다. OmniHuman(다중 캐릭터)이나 PixVerse(현실적인 립싱크)가 특별히 필요한 경우에만 이 워크플로우를 사용하세요.

전체 워크플로우: 비디오를 다른 언어로 더빙하기

# 1. 원본 비디오 텍스트 변환
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. 자연스러운 UGC 스타일 초상화 생성
belt app run pruna/p-image --input '{
  "prompt": "젊은 여성이 아늑한 방에서 찍은 캐주얼 셀카 스타일 사진, 자연광, 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 사용해 봤는데 솔직히 말하면 완전 게임 체인저예요. 이렇게까지 좋아할 줄은 몰랐는데요!",
  "voice": "Zephyr (Female)",
  "voice_prompt": "친구에게 말하듯 신나고 캐주얼하며 진정성 있는 어조",
  "video_prompt": "방에서 카메라를 향해 자연스럽게 말하는 사람, 자연스러운 제스처",
  "resolution": "1080p"
}'

UGC에 P-Video-Avatar를 사용해야 하는 이유

• 올인원 — 내장 TTS로 별도의 오디오 생성 단계 불필요
• 30개 음성, 10개 언어 — 대상 청중에 맞게 조정 가능
• 음성 + 비디오 프롬프트 — 어조, 감정, 바디 랭귀지, 배경을 독립적으로 제어
• 18배 빠르고 6배 저렴 — Fabric/OmniHuman/HeyGen 대비 대규모 UGC 제작 가능
• 1080p 지원 — 단일 초상화 이미지로 플랫폼에 바로 사용 가능한 세로 비디오

배치 UGC: 동일 제품, 여러 프레젠터

# 3명의 다른 프레젠터 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\": \"이건 제 아침 루틴을 완전히 바꿔놨어요. 5분이면 끝나요.\",
    \"voice\": \"$voice\",
    \"voice_prompt\": \"캐주얼하고 진정성 있는, 실제 후기 같은 느낌\",
    \"video_prompt\": \"밝은 주방에서 카메라를 보며 말하는 사람\",
    \"resolution\": \"1080p\"
  }"
done

활용 사례

• UGC 및 마케팅: 제품 데모, AI 프레젠터를 활용한 UGC 스타일 광고
• 교육: 강의 동영상, 설명 영상
• 로컬라이제이션: 단일 이미지로 10개 언어 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 배경 소음이 적고 깨끗해야 함
• P-Video-Avatar는 내장 TTS를 지원하므로 별도의 음성 생성 단계가 필요 없음
• P-Video-Avatar 출력 비율은 입력 이미지와 동일
• 세로 비디오의 경우 pruna/p-image로 9:16 비율의 초상화 이미지 생성
• OmniHuman 1.5는 한 이미지에서 여러 사람 지원
• LatentSync는 기존 비디오를 새 오디오에 동기화하는 데 가장 적합

관련 스킬

# 전용 P-Video-Avatar 스킬
npx skills add inference-sh/skills@p-video-avatar

# 전체 플랫폼 스킬 (모든 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 텍스트 변환)
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 실행하기 - CLI를 통해 앱 실행 방법
• 콘텐츠 파이프라인 예제 - 미디어 워크플로우 구축
• 스트리밍 결과 - 실시간 진행률 업데이트