Communitygithub.com

Aadi-110i/PEP-PROJECT

Crie avatares de IA e vídeos com falas realistas usando a CLI inference.sh. Recomendado: P-Video-Avatar (mais rápido, mais barato, TTS integrado). Também: OmniHuman, Fabric, PixVerse. Capacidades: avatares guiados por áudio, texto para avatar, vídeos com sincronia labial, geração de cabeça falante, apresentadores virtuais.

O que é PEP-PROJECT?

Esta skill permite criar avatares de IA e vídeos de pessoas falando diretamente da linha de comando usando a CLI `inference.sh`. Ela é ideal para desenvolvedores que desejam gerar conteúdo de vídeo automatizado, como apresentadores virtuais, vídeos explicativos, influenciadores digitais e dublagem. A skill oferece acesso a vários modelos de ponta, com destaque para o **P-Video-Avatar**, que é o mais rápido e barato, incluindo TTS integrado com 30 vozes em 10 idiomas. Outros modelos como OmniHuman 1.5, Fabric 1.0 e PixVerse Lipsync fornecem capacidades adicionais, como suporte a múltiplos personagens ou sincronia labial altamente realista. A skill também demonstra fluxos de trabalho completos, desde a geração de retratos com IA até a dublagem de vídeos em outros idiomas, combinando diferentes aplicativos da plataforma inference.sh.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Aadi-110i/PEP-PROJECT/tree/HEAD/skills/ai-avatar-video

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Prévia

Do README da skill

Avatar de IA & Vídeos com Cabeça Falante

Documentação

Avatar de IA & Vídeos com Cabeça Falante

Crie avatares de IA e vídeos com cabeça falante via CLI inference.sh.

Avatar de IA & Vídeos com Cabeça Falante

Início Rápido

Requer a CLI inference.sh (belt). Instruções de instalação

belt login

# Recomendado: P-Video-Avatar (mais rápido, mais barato, TTS integrado)
belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "Olá, bem-vindo à nossa demonstração do produto!",
  "voice": "Zephyr (Feminina)"
}'

Modelos Disponíveis

Comece com P-Video-Avatar — é 18x mais rápido e 6x mais barato que as alternativas, com TTS integrado, fundos dinâmicos e suporte a 1080p.

ModeloID do AppMelhor ParaTTS Integrado
P-Video-Avatarpruna/p-video-avatarMelhor geral: velocidade, custo, qualidade, controleSim (30 vozes, 10 idiomas)
OmniHuman 1.5bytedance/omnihuman-1-5Múltiplos personagens, guiado por áudioNão
Fabric 1.0falai/fabric-1-0Imagem fala com sincronia labialSim
PixVerse Lipsyncfalai/pixverse-lipsyncSincronia labial altamente realistaNão

Comparação de Custo e Velocidade

ModeloVelocidade (por segundo de vídeo)Custo por segundo
P-Video-Avatar~1,83 s/s$0,025
OmniHuman 1.5~28 s/s (15x mais lento)$0,16 (6,4x mais)
Fabric 1.0~34 s/s (18x mais lento)$0,14 (5,6x mais)

Exemplos

P-Video-Avatar (Recomendado)

Gere avatar a partir de retrato + script de texto com TTS integrado:

belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "Bem-vindo ao nosso passo a passo do produto. Hoje vou mostrar três recursos principais.",
  "voice": "Puck (Masculina)",
  "voice_language": "Português (Brasil)",
  "resolution": "720p"
}'

Com controle de estilo personalizado:

belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "Esta é uma notícia emocionante!",
  "voice": "Aoede (Feminina)",
  "voice_prompt": "Tom entusiasmado e energético",
  "video_prompt": "A pessoa está apresentando no palco com iluminação dramática",
  "resolution": "1080p"
}'

Com arquivo de áudio em vez de TTS:

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

Fluxo de Trabalho Completo: Gerar Retrato + Avatar

Use o Pruna P-Image para gerar o retrato e depois crie o avatar:

# 1. Gere uma imagem de retrato
belt app run pruna/p-image --input '{
  "prompt": "retrato profissional de uma mulher jovem, fundo neutro, olhando para a câmera, iluminação de estúdio, fotorrealista",
  "aspect_ratio": "9:16"
}'

# 2. Crie o vídeo avatar com TTS integrado
belt app run pruna/p-video-avatar --input '{
  "image": "<url-da-imagem-do-passo-1>",
  "voice_script": "Olá! Deixe-me guiá-lo pelos nossos recursos mais recentes.",
  "voice": "Zephyr (Feminina)"
}'

OmniHuman 1.5 (Múltiplos Personagens)

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

Suporta especificar qual personagem deve ser animado em imagens com várias pessoas.

Fabric 1.0 (Imagem Fala)

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"
}'

Fluxo de Trabalho Completo: TTS + Avatar (Modelos sem TTS)

Para modelos sem TTS integrado, gere o áudio primeiro:

# 1. Gere fala a partir do texto
belt app run infsh/kokoro-tts --input '{
  "prompt": "Bem-vindo à nossa demonstração do produto. Hoje vou mostrar..."
}' > speech.json

# 2. Crie o vídeo avatar com o áudio gerado
belt app run bytedance/omnihuman-1-5 --input '{
  "image_url": "https://foto-apresentador.jpg",
  "audio_url": "<url-do-audio-do-passo-1>"
}'

Fluxo de Trabalho Completo: Dublar Vídeo em Outro Idioma

# 1. Transcreva o vídeo original
belt app run infsh/fast-whisper-large-v3 --input '{"audio_url": "https://video.mp4"}' > transcript.json

# 2. Traduza o texto (manualmente ou com um LLM)

# 3. Gere fala no novo idioma
belt app run infsh/kokoro-tts --input '{"text": "<texto-traduzido>"}' > new_speech.json

# 4. Sincronize os lábios do vídeo original com o novo áudio
belt app run infsh/latentsync-1-6 --input '{
  "video_url": "https://video-original.mp4",
  "audio_url": "<url-do-novo-audio>"
}'

Casos de Uso

  • Marketing: Demonstrações de produtos com apresentador IA
  • Educação: Vídeos de curso, explicadores
  • Localização: Dublar conteúdo em vários idiomas
  • Redes Sociais: Influenciador virtual consistente
  • Corporativo: Vídeos de treinamento, comunicados
  • Jogos: Avatares de personagens, diálogos de NPC

Dicas

  • Use fotos de retrato de alta qualidade (de frente, com boa iluminação)
  • O áudio deve ser claro com ruído de fundo mínimo
  • P-Video-Avatar suporta TTS integrado — não é necessário uma etapa separada de geração de fala
  • A proporção de aspecto da saída do P-Video-Avatar corresponde à imagem de entrada
  • Gere retratos com pruna/p-image usando proporção 9:16 para vídeos verticais
  • OmniHuman 1.5 suporta várias pessoas em uma única imagem
  • LatentSync é o melhor para sincronizar vídeos existentes com novo áudio

Habilidades Relacionadas

# Habilidade dedicada do P-Video-Avatar
npx skills add inference-sh/skills@p-video-avatar

# Habilidade da plataforma completa (mais de 250 apps)
npx skills add inference-sh/skills@infsh-cli

# Texto para fala (gerar áudio para modelos de avatar sem TTS)
npx skills add inference-sh/skills@text-to-speech

# Fala para texto (transcrever para dublagem)
npx skills add inference-sh/skills@speech-to-text

# Geração de vídeo
npx skills add inference-sh/skills@ai-video-generation

# Geração de imagem (criar imagens de avatar)
npx skills add inference-sh/skills@ai-image-generation

Navegue por todos os apps de vídeo: belt app list --category video

Documentação

Individual skills in this repo

This repo contains 13 individual skills — each has its own dedicated page.

Aadi-110i/PEP-PROJECT

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

Aadi-110i/PEP-PROJECT

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

Aadi-110i/PEP-PROJECT

ElevenLabs text-to-speech with 22+ premium voices, multilingual support, and voice tuning via inference.sh CLI. Models: eleven_multilingual_v2 (highest quality), eleven_turbo_v2_5 (low latency), eleven_flash_v2_5 (ultra-fast). Capabilities: text-to-speech, voice selection, stability/style control, 32 languages. Use for: voiceovers, audiobooks, video narration, podcasts, accessibility, IVR. Triggers: elevenlabs, eleven labs, elevenlabs tts, premium tts, professional voice, ai voice, high quality tts, multilingual tts, eleven labs voice, voice generation, natural speech, realistic voice, voice over, speech synthesis

Aadi-110i/PEP-PROJECT

Explainer video production guide: scripting, voiceover, visuals, and assembly. Covers script formulas, pacing rules, scene planning, and multi-tool pipelines. Use for: product demos, how-it-works videos, onboarding videos, social explainers. Triggers: explainer video, how to make explainer, product video, demo video, video production, video script, animated explainer, product demo video, tutorial video, onboarding video, walkthrough video, video pipeline

Aadi-110i/PEP-PROJECT

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

Aadi-110i/PEP-PROJECT

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

Aadi-110i/PEP-PROJECT

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

Aadi-110i/PEP-PROJECT

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

Aadi-110i/PEP-PROJECT

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

Aadi-110i/PEP-PROJECT

Three.js animation - keyframe animation, skeletal animation, morph targets, animation mixing. Use when animating objects, playing GLTF animations, creating procedural motion, or blending animations.

Aadi-110i/PEP-PROJECT

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

Aadi-110i/PEP-PROJECT

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

Aadi-110i/PEP-PROJECT

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

Habilidades Relacionadas