Instale a skill CLI belt:
npx skills add belt-sh/cli
Avatares de IA e Vídeos com Rosto Falante
Crie avatares de IA e vídeos com rosto falante via CLI do inference.sh.
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 (Feminino)"
}'
Modelos Disponíveis
Comece com P-Video-Avatar — é 18x mais rápido e 6x mais barato que alternativas, com TTS integrado, fundos dinâmicos e suporte a 1080p.
| Modelo | App ID | Melhor Para | TTS Integrado |
|---|---|---|---|
| P-Video-Avatar | pruna/p-video-avatar | Melhor geral: velocidade, custo, qualidade, controle | Sim (30 vozes, 10 idiomas) |
| OmniHuman 1.5 | bytedance/omnihuman-1-5 | Vários personagens, audio-driven | Não |
| Fabric 1.0 | falai/fabric-1-0 | Imagem fala com lipsync | Sim |
| PixVerse Lipsync | falai/pixverse-lipsync | Lipsync altamente realista | Não |
Comparação de Custo e Velocidade
| Modelo | Velocidade (por segundo de vídeo) | Custo por segundo |
|---|---|---|
| P-Video-Avatar | ~1,83s/s | $0,025 |
| OmniHuman 1.5 | ~28s/s (15x mais lento) | $0,16 (6,4x mais caro) |
| Fabric 1.0 | ~34s/s (18x mais lento) | $0,14 (5,6x mais caro) |
Exemplos
P-Video-Avatar (Recomendado)
Gere avatar a partir de retrato + roteiro de texto com TTS integrado:
belt app run pruna/p-video-avatar --input '{
"image": "https://portrait.jpg",
"voice_script": "Bem-vindo à nossa apresentação do produto. Hoje vou mostrar três funcionalidades principais.",
"voice": "Puck (Masculino)",
"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 empolgante!",
"voice": "Aoede (Feminino)",
"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 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 jovem, fundo neutro, olhando para a câmera, iluminação de estúdio, fotorrealista",
"aspect_ratio": "9:16"
}'
# 2. Crie 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 mostrar nossos recursos mais recentes.",
"voice": "Zephyr (Feminino)"
}'
OmniHuman 1.5 (Vários Personagens)
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://speech.mp3"
}'
Suporta especificar qual personagem animar em imagens com múltiplas 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 (OmniHuman, PixVerse), gere a fala primeiro:
# 1. Gere fala — Inworld TTS-2 para vozes expressivas de personagens
belt app run inworld/text-to-speech-2 --input '{
"text": "[amigável] Bem-vindo à nossa demonstração de produto! [animado] Deixe-me mostrar três recursos que vão mudar como você trabalha.",
"voice_id": "Sarah",
"delivery_mode": "CREATIVE"
}' > speech.json
# 2. Crie vídeo avatar com a fala
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://presenter-photo.jpg",
"audio_url": "<url-do-audio-do-passo-1>"
}'
Dica: Para a maioria dos casos de uso, P-Video-Avatar com TTS integrado é mais simples — sem necessidade de etapa de áudio separada. Use este fluxo apenas quando precisar especificamente de OmniHuman (vários personagens) ou PixVerse (lipsync realista).
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://original-video.mp4",
"audio_url": "<nova-url-do-audio>"
}'
Geração de UGC com Avatar
Crie conteúdo estilo UGC com P-Video-Avatar — TTS integrado, sem necessidade de etapa de áudio separada:
# 1. Gere um retrato no estilo UGC e relatable
belt app run pruna/p-image --input '{
"prompt": "foto casual estilo selfie de uma jovem em um quarto aconchegante, iluminação natural, olhando para a câmera, sorriso caloroso, sensação autêntica",
"aspect_ratio": "9:16"
}'
# 2. Crie vídeo avatar UGC com TTS integrado
belt app run pruna/p-video-avatar --input '{
"image": "<url-da-imagem-do-passo-1>",
"voice_script": "Ok, então acabei de experimentar este produto e, honestamente? É um divisor de águas. Não esperava gostar tanto, mas aqui estamos!",
"voice": "Zephyr (Feminino)",
"voice_prompt": "Tom animado, casual, autêntico, como conversar com um amigo",
"video_prompt": "A pessoa está falando casualmente para a câmera em seu quarto, gestos naturais",
"resolution": "1080p"
}'
Por que P-Video-Avatar para UGC
- Tudo-em-um — TTS integrado significa sem etapa separada de geração de áudio
- 30 vozes, 10 idiomas — atenda seu público-alvo
- Prompts de voz e vídeo — controle tom, emoção, linguagem corporal e fundo de forma independente
- 18x mais rápido, 6x mais barato — produza UGC em escala vs. Fabric/OmniHuman/HeyGen
- Suporte a 1080p — vídeo vertical pronto para plataformas a partir de uma única imagem de retrato
UGC em Lote: Mesmo Produto, Múltiplos Apresentadores
# Gere 3 apresentadores diferentes
for voice in "Zephyr (Feminino)" "Puck (Masculino)" "Aoede (Feminino)"; do
belt app run pruna/p-video-avatar --input "{
\"image\": \"https://portrait.jpg\",
\"voice_script\": \"Isso mudou completamente minha rotina matinal. Cinco minutos e estou pronto.\",
\"voice\": \"$voice\",
\"voice_prompt\": \"Casual, autêntico, como um depoimento real\",
\"video_prompt\": \"Pessoa falando para a câmera em uma cozinha iluminada\",
\"resolution\": \"1080p\"
}"
done
Casos de Uso
- UGC e Marketing: Demonstrações de produtos, anúncios estilo UGC com apresentadores de IA
- Educação: Vídeos de cursos, explicadores
- Localização: Duble conteúdo em 10 idiomas a partir de uma imagem
- Mídias Sociais: Conteúdo consistente de influenciadores virtuais
- Corporativo: Vídeos de treinamento, comunicados
- Jogos: Avatares de personagens, diálogos de NPCs
Dicas
- Use fotos de retrato de alta qualidade (de frente, boa iluminação)
- O áudio deve ser claro com ruído de fundo mínimo
- P-Video-Avatar suporta TTS integrado — não precisa de 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-imageusando proporção9:16para vídeos verticais - OmniHuman 1.5 suporta várias pessoas em uma imagem
- LatentSync é melhor para sincronizar vídeos existentes com novo áudio
Skills Relacionadas
# Skill dedicada P-Video-Avatar
npx skills add inference-sh/skills@p-video-avatar
# Skill completa da plataforma (todos os apps)
npx skills add inference-sh/skills@infsh-cli
# Texto para fala (gerar áudio para modelos 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
- Executando Apps - Como executar apps via CLI
- Exemplo de Pipeline de Conteúdo - Construindo fluxos de trabalho de mídia
- Streaming de Resultados - Atualizações de progresso em tempo real