AI 虚拟形象与说话头像视频
通过 inference.sh CLI 创建 AI 虚拟形象和说话头像视频。

快速开始
curl -fsSL https://cli.inference.sh | sh && infsh login
# 从图片 + 音频创建虚拟形象视频
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://speech.mp3"
}'
安装说明: 安装脚本 会自动检测您的操作系统/架构,从
dist.inference.sh下载对应的二进制文件,并验证其 SHA-256 校验和。无需提升权限或后台进程。也可使用手动安装与验证方式。
可用模型
| 模型 | 应用 ID | 最佳用途 |
|---|---|---|
| OmniHuman 1.5 | bytedance/omnihuman-1-5 | 多人场景,最佳质量 |
| OmniHuman 1.0 | bytedance/omnihuman-1-0 | 单人场景 |
| Fabric 1.0 | falai/fabric-1-0 | 图片说话 + 口型同步 |
| PixVerse Lipsync | falai/pixverse-lipsync | 高度逼真 |
搜索虚拟形象应用
infsh app list --search "omnihuman"
infsh app list --search "lipsync"
infsh app list --search "fabric"
示例
OmniHuman 1.5(多人)
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://speech.mp3"
}'
支持在多人图片中指定驱动哪个角色。
Fabric 1.0(图像说话)
infsh app run falai/fabric-1-0 --input '{
"image_url": "https://face.jpg",
"audio_url": "https://audio.mp3"
}'
PixVerse Lipsync
infsh app run falai/pixverse-lipsync --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://speech.mp3"
}'
从任意音频生成高度逼真的口型同步效果。
完整工作流:TTS + 虚拟形象
# 1. 从文本生成语音
infsh app run infsh/kokoro-tts --input '{
"text": "欢迎观看我们的产品演示。今天我将向您展示..."
}' > speech.json
# 2. 使用生成的语音创建虚拟形象视频
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://presenter-photo.jpg",
"audio_url": "<step-1 中的音频URL>"
}'
完整工作流:多语言视频配音
# 1. 转录原始视频
infsh app run infsh/fast-whisper-large-v3 --input '{"audio_url": "https://video.mp4"}' > transcript.json
# 2. 翻译文本(手动或使用 LLM)
# 3. 使用新语言生成语音
infsh app run infsh/kokoro-tts --input '{"text": "<翻译后的文本>"}' > new_speech.json
# 4. 将新音频与原始视频进行口型同步
infsh app run infsh/latentsync-1-6 --input '{
"video_url": "https://original-video.mp4",
"audio_url": "<新音频URL>"
}'
应用场景
- 营销:使用 AI 演讲者进行产品演示
- 教育:课程视频、讲解
- 本地化:多语言内容配音
- 社交媒体:统一的虚拟网红
- 企业:培训视频、公告
提示
- 使用高质量肖像照片(正面、光线良好)
- 音频应清晰,背景噪音最小化
- OmniHuman 1.5 支持一张图片中的多个人物
- LatentSync 最适合将现有视频与新音频同步
相关技能
# 完整平台技能(150+ 应用)
npx skills add inference-sh/skills@inference-sh
# 文本转语音(为虚拟形象生成音频)
npx skills add inference-sh/skills@text-to-speech
# 语音转文本(转录音频用于配音)
npx skills add inference-sh/skills@speech-to-text
# 视频生成
npx skills add inference-sh/skills@ai-video-generation
# 图像生成(创建虚拟形象图像)
npx skills add inference-sh/skills@ai-image-generation
浏览所有视频应用:infsh app list --category video