101-skills/superpowers

安裝 belt CLI 技能： npx skills add belt-sh/cli

說話頭部影片製作

透過 inference.sh CLI 製作具備 AI 虛擬人像與嘴型同步的說話頭部影片。

快速開始

需要 inference.sh CLI（belt）。安裝說明

belt login

# 推薦：P-Video-Avatar（內建文字轉語音，最快、最便宜）
belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "歡迎參加我們的產品導覽。今天我將向您展示三項能讓您每週節省數小時的功能。",
  "voice": "Zephyr (Female)"
}'

肖像要求

來源肖像圖片至關重要。差的肖像 = 差的影片輸出。

必備條件

要求	原因	規格
置中構圖	虛擬人像的臉需在可預測的位置	臉部置中
頭部與肩膀	身體可見以便自然動作	裁切至胸部以下
直視鏡頭	與觀眾建立連結	正面直視
中性表情	動畫的起點	可微帶微笑，勿大笑或皺眉
清晰臉部	模型需能偵測特徵	勿戴太陽眼鏡、無厚重陰影或遮擋物
高解析度	保留細節	臉部區域至少 512x512，理想 1024x1024 以上

生成肖像

# 使用 P-Image 生成專業肖像
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"
}'

背景選項

類型	使用時機
純色	專業、乾淨，易於合成
柔和散景	自然、生活化風格
辦公室/工作室	商業情境
動態背景（P-Video-Avatar）	使用 video_prompt 設定背景

模型選擇

從 P-Video-Avatar 開始 —— 它比替代方案快 18 倍、便宜 6 倍，並且內建文字轉語音功能。

模型	應用 ID	內建文字轉語音	最適合
P-Video-Avatar	pruna/p-video-avatar	是（30 種語音，10 種語言）	整體最佳：速度、成本、品質
OmniHuman 1.5	bytedance/omnihuman-1-5	否	多角色、手勢
OmniHuman 1.0	bytedance/omnihuman-1-0	否	單一角色
Fabric 1.0	falai/fabric-1-0	是	圖片說話 + 嘴型同步
PixVerse Lipsync	falai/pixverse-lipsync	否	真實的嘴型同步

成本與速度比較

模型	速度（每秒影片）	每秒成本
P-Video-Avatar	~1.83 秒	$0.025
OmniHuman 1.5	~28 秒（慢 15 倍）	$0.16（貴 6.4 倍）
Fabric 1.0	~34 秒（慢 18 倍）	$0.14（貴 5.6 倍）

製作工作流程

簡易：文字腳本 -> 影片（P-Video-Avatar）

無需另外進行文字轉語音步驟 —— P-Video-Avatar 內建語音：

belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "嗨！今天我很興奮想與您分享一些內容。",
  "voice": "Puck (Male)",
  "voice_language": "English (US)",
  "resolution": "720p"
}'

搭配風格控制

belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "這是我們社群令人振奮的消息！",
  "voice": "Aoede (Female)",
  "voice_prompt": "熱情且充滿活力的語氣，節奏稍快",
  "video_prompt": "此人在舞台上進行簡報，燈光戲劇化",
  "resolution": "1080p"
}'

音訊驅動（任何模型）

提供您自己的音訊檔案：

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

# OmniHuman 搭配自訂音訊
belt app run bytedance/omnihuman-1-5 --input '{
  "image_url": "https://portrait.jpg",
  "audio_url": "https://speech.mp3"
}'

完整工作流程：生成肖像 + 虛擬人像

# 1. 生成肖像圖片
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. 使用內建文字轉語音建立虛擬人像影片
belt app run pruna/p-video-avatar --input '{
  "image": "<第一步驟的圖片網址>",
  "voice_script": "嗨！讓我為您介紹我們最新的功能。",
  "voice": "Zephyr (Female)"
}'

搭配獨立文字轉語音（適用於不支援文字轉語音的模型）

# 1. 生成語音
belt app run falai/dia-tts --input '{
  "prompt": "[S1] 您的旁白腳本這裡寫。"
}'

# 2. 建立說話頭部影片
belt app run bytedance/omnihuman-1-5 --input '{
  "image_url": "https://portrait.jpg",
  "audio_url": "<第一步驟的音訊網址>"
}'

多角色對話

OmniHuman 1.5 支援最多 2 個角色：

# 1. 生成兩位講者的對話
belt app run falai/dia-tts --input '{
  "prompt": "[S1] 那麼，跟我說說這個新功能吧。 [S2] 當然！我們建立了一個顯示即時分析數據的儀表板。 [S1] 聽起來很棒。花了多久時間？ [S2] 從概念到推出大約兩週。"
}'

# 2. 建立雙角色影片
belt app run bytedance/omnihuman-1-5 --input '{
  "image_url": "https://two-person-portrait.png",
  "audio_url": "<音訊網址>"
}'

長片（拼接片段）

對於長度超過約 60 秒的內容，請分割成段落：

# 使用相同肖像生成片段以保持一致性
belt app run pruna/p-video-avatar --input '{"image": "https://portrait.jpg", "voice_script": "第一段..."}' --no-wait
belt app run pruna/p-video-avatar --input '{"image": "https://portrait.jpg", "voice_script": "第二段..."}' --no-wait
belt app run pruna/p-video-avatar --input '{"image": "https://portrait.jpg", "voice_script": "第三段..."}' --no-wait

# 合併所有片段
belt app run infsh/media-merger --input '{
  "media": ["segment1.mp4", "segment2.mp4", "segment3.mp4"]
}'

多語言內容

P-Video-Avatar 內建文字轉語音功能支援 10 種語言：

# 西班牙語
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"
}'

# 日語
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"
}'

為現有影片配音

# 1. 轉錄原始影片
belt app run infsh/fast-whisper-large-v3 --input '{"audio_url": "https://video.mp4"}'

# 2. 翻譯文字（手動或使用 LLM）

# 3. 以新語言生成語音
belt app run infsh/kokoro-tts --input '{"text": "<翻譯後文字>"}'

# 4. 將原始影片與新音訊進行嘴型同步
belt app run infsh/latentsync-1-6 --input '{
  "video_url": "https://original-video.mp4",
  "audio_url": "<新音訊網址>"
}'

音訊品質（適用於非文字轉語音工作流程）

當您提供自己的音訊時，品質會直接影響嘴型同步的準確性。

參數	目標	原因
背景噪音	無 / 極少	噪音會干擾嘴型同步時序
音量	全程一致	防止同步飄移
取樣率	44.1kHz 或 48kHz	標準品質
格式	MP3 128kbps 以上 或 WAV	與所有工具相容

可用語音（P-Video-Avatar）

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

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

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

構圖指南

┌─────────────────────────────────┐
│          頭部空間（最小）         │
│  ┌───────────────────────────┐  │
│  │                           │  │
│  │     ● ─ ─ 眼睛在 1/3 處 ──│─ │ ← 眼睛在頂部 1/3 線
│  │    /│\                    │  │
│  │     |   頭部與肩膀         │  │
│  │    / \  可見              │  │
│  │                           │  │
│  └───────────────────────────┘  │
│       裁切至胸部以下                │
└─────────────────────────────────┘

常見錯誤

錯誤	問題	修正方法
低解析度肖像	臉部模糊、嘴型同步不佳	使用 1024x1024 以上臉部區域
側面 / 側角度	嘴型同步無法良好追蹤嘴巴	使用正面或接近正面
音訊有噪音	嘴型同步偏移、看起來不自然	使用內建文字轉語音或錄製乾淨音訊
片段過長	品質降低	分成多個片段後拼接
太陽眼鏡 / 遮擋物	臉部特徵被隱藏	需露出清晰臉部
光線不一致	動畫後顯得詭異	均勻柔和的光線

相關技能

# 專門的 P-Video-Avatar 技能
npx skills add inference-sh/skills@p-video-avatar

# 所有虛擬人像模型
npx skills add inference-sh/skills@ai-avatar-video

# 所有影片生成模型
npx skills add inference-sh/skills@ai-video-generation

# 文字轉語音
npx skills add inference-sh/skills@text-to-speech

# 圖片生成（用於肖像）
px skills add inference-sh/skills@ai-image-generation

瀏覽所有應用：belt app list