AI 头像与说话头像视频
何时使用
根据需要执行指定自动化任务时使用此技能。
通过 inference.sh CLI 创建 AI 头像和说话头像视频。

快速开始
curl -fsSL https://cli.inference.sh | sh && infsh login
# 从图片 + 音频创建头像视频
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://speech.mp3"
}'
可用模型
| 模型 | App ID | 最适合用于 |
|---|---|---|
| OmniHuman 1.5 | bytedance/omnihuman-1-5 | 多人物场景,最佳质量 |
| OmniHuman 1.0 | bytedance/omnihuman-1-0 | 单人物场景 |
| Fabric 1.0 | falai/fabric-1-0 | 图像说话(口型同步) |
| PixVerse Lipsync | falai/pixverse-lipsync | 高度逼真 |
搜索头像应用
infsh app list --search "omnihuman"
infsh app list --search "lipsync"
infsh app list --search "fabric"
示例
OmniHuman 1.5(多人物)
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "https://speech.mp3"
}'
支持指定多人物图片中的哪个角色被驱动。
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 + 头像
# 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. 使用该语音创建头像视频
infsh app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://presenter-photo.jpg",
"audio_url": "<步骤1中生成的音频URL>"
}'
完整工作流:视频翻译配音
# 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. 生成新语言的语音
infsh app run infsh/kokoro-tts --input '{"text": "<翻译后的文本>"}' > new_speech.json
# 4. 用新音频对原视频进行口型同步
infsh app run infsh/latentsync-1-6 --input '{
"video_url": "https://original-video.mp4",
"audio_url": "<新音频URL>"
}'
应用场景
- 市场营销:AI 主持人进行产品演示
- 教育培训:课程视频、讲解视频
- 本地化:多语言内容配音
- 社交媒体:一致的虚拟网红形象
- 企业办公:培训视频、公告通知
提示
- 使用高质量正面肖像照片(正面、光线良好)
- 音频应清晰,背景噪音最小化
- OmniHuman 1.5 支持一张图片中包含多个人物
- LatentSync 最适合将现有视频同步到新音频
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(为头像生成音频)
npx skills add inference-sh/skills@text-to-speech
# 语音转文本(为配音进行转录)
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(创建头像图片)
npx skills add inference-sh/skills@ai-image-generation
浏览所有视频应用:infsh app list --category video