101-skills/superpowers

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

토킹 헤드 제작

inference.sh CLI를 통해 AI 아바타와 립싱크로 토킹 헤드 비디오를 만듭니다.

빠른 시작

inference.sh CLI(belt)가 필요합니다. 설치 방법

belt login

# 권장: P-Video-Avatar (내장 TTS, 가장 빠르고 저렴함)
belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "Welcome to our product tour. Today I will show you three features that will save you hours every week.",
  "voice": "Zephyr (Female)"
}'

초상화 요구 사항

원본 초상화 이미지는 매우 중요합니다. 초상화가 좋지 않으면 비디오 출력도 좋지 않습니다.

필수 조건

요구 사항	이유	명세
중앙 프레임	아바타가 예측 가능한 위치에 얼굴이 필요함	얼굴이 프레임 중앙에 위치
머리와 어깨	자연스러운 제스처를 위해 몸이 보여야 함	가슴 아래에서 자름
카메라를 응시하는 눈	시청자와의 연결감 형성	정면 시선
중립 표정	애니메이션의 시작점	약간 미소는 괜찮지만 웃거나 찡그리지 않음
뚜렷한 얼굴	모델이 특징을 감지해야 함	선글라스, 짙은 그림자, 장애물 없음
고해상도	디테일 보존	최소 512x512 얼굴 영역, 이상적으로 1024x1024 이상

초상화 생성

# P-Image로 전문적인 초상화 생성
belt app run pruna/p-image --input '{
  "prompt": "professional headshot portrait of a friendly business person, soft studio lighting, clean grey background, head and shoulders, direct eye contact, neutral pleasant expression, photorealistic",
  "aspect_ratio": "9:16"
}'

배경 옵션

유형	사용 시기
단색	전문적이고 깔끔하며 합성하기 쉬움
소프트 보케	자연스럽고 라이프스타일 느낌
사무실/스튜디오	비즈니스 맥락
동적 (P-Video-Avatar)	video_prompt를 사용하여 배경 설정

모델 선택

P-Video-Avatar로 시작하세요 — 대안보다 18배 빠르고 6배 저렴하며 내장 TTS가 있습니다.

모델	앱 ID	내장 TTS	최적 용도
P-Video-Avatar	pruna/p-video-avatar	예 (30개 음성, 10개 언어)	전반적으로 최고: 속도, 비용, 품질
OmniHuman 1.5	bytedance/omnihuman-1-5	아니요	다중 캐릭터, 제스처
OmniHuman 1.0	bytedance/omnihuman-1-0	아니요	단일 캐릭터
Fabric 1.0	falai/fabric-1-0	예	립싱크로 이미지 말하기
PixVerse Lipsync	falai/pixverse-lipsync	아니요	사실적인 립싱크

비용 및 속도 비교

모델	속도 (비디오 1초당)	초당 비용
P-Video-Avatar	~1.83s/s	$0.025
OmniHuman 1.5	~28s/s (15배 느림)	$0.16 (6.4배 비쌈)
Fabric 1.0	~34s/s (18배 느림)	$0.14 (5.6배 비쌈)

제작 워크플로우

간단: 텍스트 스크립트 -> 비디오 (P-Video-Avatar)

별도의 TTS 단계가 필요 없습니다 — P-Video-Avatar에는 내장 음성이 있습니다:

belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "Hi there! I am excited to share something with you today.",
  "voice": "Puck (Male)",
  "voice_language": "English (US)",
  "resolution": "720p"
}'

스타일 제어 포함

belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "This is exciting news for our community!",
  "voice": "Aoede (Female)",
  "voice_prompt": "Enthusiastic and energetic tone, slightly faster pace",
  "video_prompt": "The person is presenting on stage with dramatic lighting",
  "resolution": "1080p"
}'

오디오 기반 (모든 모델)

자체 오디오 파일 제공:

# 커스텀 오디오로 P-Video-Avatar
belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "audio": "https://speech.mp3"
}'

# 커스텀 오디오로 OmniHuman
belt app run bytedance/omnihuman-1-5 --input '{
  "image_url": "https://portrait.jpg",
  "audio_url": "https://speech.mp3"
}'

전체 워크플로우: 초상화 생성 + 아바타

# 1. 초상화 이미지 생성
belt app run pruna/p-image --input '{
  "prompt": "professional headshot portrait of a young woman, neutral background, looking at camera, studio lighting, photorealistic",
  "aspect_ratio": "9:16"
}'

# 2. 내장 TTS로 아바타 비디오 생성
belt app run pruna/p-video-avatar --input '{
  "image": "<image-url-from-step-1>",
  "voice_script": "Hi there! Let me walk you through our latest features.",
  "voice": "Zephyr (Female)"
}'

별도 TTS 사용 (TTS가 없는 모델용)

# 1. 음성 생성
belt app run falai/dia-tts --input '{
  "prompt": "[S1] Your narration script here."
}'

# 2. 토킹 헤드 생성
belt app run bytedance/omnihuman-1-5 --input '{
  "image_url": "https://portrait.jpg",
  "audio_url": "<audio-url-from-step-1>"
}'

다중 캐릭터 대화

OmniHuman 1.5는 최대 2명의 캐릭터를 지원합니다:

# 1. 두 명의 화자로 대화 생성
belt app run falai/dia-tts --input '{
  "prompt": "[S1] So tell me about the new feature. [S2] Sure! We built a dashboard that shows real-time analytics. [S1] That sounds great. How long did it take? [S2] About two weeks from concept to launch."
}'

# 2. 두 캐릭터로 비디오 생성
belt app run bytedance/omnihuman-1-5 --input '{
  "image_url": "https://two-person-portrait.png",
  "audio_url": "<audio-url>"
}'

장편 (분할 클립)

약 60초보다 긴 콘텐츠의 경우 세그먼트로 분할:

# 일관성을 위해 동일한 초상화로 클립 생성
belt app run pruna/p-video-avatar --input '{"image": "https://portrait.jpg", "voice_script": "Segment one..."}' --no-wait
belt app run pruna/p-video-avatar --input '{"image": "https://portrait.jpg", "voice_script": "Segment two..."}' --no-wait
belt app run pruna/p-video-avatar --input '{"image": "https://portrait.jpg", "voice_script": "Segment three..."}' --no-wait

# 모든 세그먼트 병합
belt app run infsh/media-merger --input '{
  "media": ["segment1.mp4", "segment2.mp4", "segment3.mp4"]
}'

다국어 콘텐츠

P-Video-Avatar는 내장 TTS로 10개 언어를 지원합니다:

# 스페인어
belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "Bienvenidos a nuestra demostración de producto.",
  "voice": "Kore (Female)",
  "voice_language": "Spanish"
}'

# 일본어
belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "こんにちは、製品デモへようこそ。",
  "voice": "Leda (Female)",
  "voice_language": "Japanese"
}'

기존 비디오 더빙

# 1. 원본 비디오 자막 추출
belt app run infsh/fast-whisper-large-v3 --input '{"audio_url": "https://video.mp4"}'

# 2. 텍스트 번역 (수동 또는 LLM으로)

# 3. 새 언어로 음성 생성
belt app run infsh/kokoro-tts --input '{"text": "<translated-text>"}'

# 4. 새 오디오로 원본 비디오 립싱크
belt app run infsh/latentsync-1-6 --input '{
  "video_url": "https://original-video.mp4",
  "audio_url": "<new-audio-url>"
}'

오디오 품질 (TTS가 없는 워크플로우용)

자체 오디오를 제공할 때 품질이 립싱크 정확도에 직접적인 영향을 미칩니다.

파라미터	목표	이유
배경 소음	없음/최소	소음이 립싱크 타이밍을 혼란스럽게 함
볼륨	일관되게 유지	싱크 드리프트 방지
샘플 레이트	44.1kHz 또는 48kHz	표준 품질
포맷	MP3 128kbps+ 또는 WAV	모든 도구와 호환 가능

사용 가능한 음성 (P-Video-Avatar)

여성: Zephyr, Kore, Leda, Aoede, Callirrhoe, Autonoe, Despina, Erinome, Laomedeia, Achernar, Gacrux, Pulcherrima, Vindemiatrix, Sulafat

남성: Puck, Charon, Fenrir, Orus, Enceladus, Iapetus, Umbriel, Algenib, Algieba, Schedar, Achird, Zubenelgenubi, Sadachbia, Sadaltager, Alnilam, Rasalgethi

언어: English (US), English (UK), Spanish, French, German, Italian, Portuguese (Brazil), Japanese, Korean, Hindi

프레이밍 가이드라인

┌─────────────────────────────────┐
│          헤드룸 (최소)          │
│  ┌───────────────────────────┐  │
│  │                           │  │
│  │     ● ─ ─ 눈은 1/3 지점  ─│─ │ ← 눈은 상단 1/3 선에 위치
│  │    /|\                    │  │
│  │     |   머리와 어깨       │  │
│  │    / \  보여야 함         │  │
│  │                           │  │
│  └───────────────────────────┘  │
│       가슴 아래에서 자름         │
└─────────────────────────────────┘

일반적인 실수

실수	문제	해결책
저해상도 초상화	흐릿한 얼굴, 부실한 립싱크	1024x1024+ 얼굴 영역 사용
프로필/측면 각도	립싱크가 입을 잘 추적하지 못함	정면 또는 정면에 가깝게 사용
잡음이 있는 오디오	립싱크 드리프트, 부자연스러워 보임	내장 TTS 사용 또는 깨끗하게 녹음
너무 긴 클립	품질 저하	세그먼트로 분할, 스티칭
선글라스/장애물	얼굴 특징 숨겨짐	뚜렷한 얼굴 필요
일관되지 않은 조명	애니메이션 시 어색함	균일하고 부드러운 조명

관련 스킬

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

# 모든 아바타 모델
npx skills add inference-sh/skills@ai-avatar-video

# 모든 비디오 생성 모델
npx skills add inference-sh/skills@ai-video-generation

# 텍스트-음성 변환
npx skills add inference-sh/skills@text-to-speech

# 이미지 생성 (초상화용)
npx skills add inference-sh/skills@ai-image-generation

모든 앱 둘러보기: belt app list