ai-avatar-video

tarafından skills-101

inference.sh CLI aracılığıyla AI avatar ve konuşan kafa videoları oluşturun. Önerilen: P-Video-Avatar (en hızlı, en ucuz, yerleşik TTS). Ayrıca: OmniHuman, Fabric, PixVerse. Ses: Inworld TTS-2 (100+ dil, karakterler için duygu yönlendirme), ElevenLabs, Kokoro. Özellikler: ses odaklı avatarlar, metinden avatara, dudak senkronlu videolar, konuşan kafa üretimi, sanal sunucular, UGC içerik. Kullanım alanları: AI sunucular, açıklayıcı videolar, sanal fenomenler, dublaj, pazarlama videoları, UGC reklamları, oyun avatarları,...

npx skills add https://github.com/skills-101/superpowers --skill ai-avatar-video

Install the belt CLI skill: npx skills add belt-sh/cli

AI Avatar & Talking Head Videos

Create AI avatars and talking head videos via inference.sh CLI.

AI Avatar & Talking Head Videos

Quick Start

Requires inference.sh CLI (belt). Install instructions

belt login

# Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS)
belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "Hello, welcome to our product demo!",
  "voice": "Zephyr (Female)"
}'

Available Models

Start with P-Video-Avatar — it's 18x faster and 6x cheaper than alternatives, with built-in TTS, dynamic backgrounds, and 1080p support.

ModelApp IDBest ForBuilt-in TTS
P-Video-Avatarpruna/p-video-avatarBest overall: speed, cost, quality, controlYes (30 voices, 10 languages)
OmniHuman 1.5bytedance/omnihuman-1-5Multi-character, audio-drivenNo
Fabric 1.0falai/fabric-1-0Image talks with lipsyncYes
PixVerse Lipsyncfalai/pixverse-lipsyncHighly realistic lipsyncNo

Cost & Speed Comparison

ModelSpeed (per sec of video)Cost per second
P-Video-Avatar~1.83s/s$0.025
OmniHuman 1.5~28s/s (15x slower)$0.16 (6.4x more)
Fabric 1.0~34s/s (18x slower)$0.14 (5.6x more)

Examples

P-Video-Avatar (Recommended)

Generate avatar from portrait + text script with built-in TTS:

belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "Welcome to our product walkthrough. Today I will show you three key features.",
  "voice": "Puck (Male)",
  "voice_language": "English (US)",
  "resolution": "720p"
}'

With custom style control:

belt app run pruna/p-video-avatar --input '{
  "image": "https://portrait.jpg",
  "voice_script": "This is exciting news!",
  "voice": "Aoede (Female)",
  "voice_prompt": "Enthusiastic and energetic tone",
  "video_prompt": "The person is presenting on stage with dramatic lighting",
  "resolution": "1080p"
}'

With audio file instead of TTS:

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

Full Workflow: Generate Portrait + Avatar

Use Pruna P-Image to generate the portrait, then create the avatar:

# 1. Generate a portrait image
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. Create avatar video with built-in TTS
belt app run pruna/p-video-avatar --input '{
  "image": "<image-url-from-step-1>",
  "voice_script": "Hi there! Let me walk you through our latest features.",
  "voice": "Zephyr (Female)"
}'

OmniHuman 1.5 (Multi-Character)

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

Supports specifying which character to drive in multi-person images.

Fabric 1.0 (Image Talks)

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"
}'

Full Workflow: TTS + Avatar (Non-TTS Models)

For models without built-in TTS (OmniHuman, PixVerse), generate speech first:

# 1. Generate speech — Inworld TTS-2 for expressive character voices
belt app run inworld/text-to-speech-2 --input '{
  "text": "[friendly] Welcome to our product demo! [excited] Let me show you three features that will change how you work.",
  "voice_id": "Sarah",
  "delivery_mode": "CREATIVE"
}' > speech.json

# 2. Create avatar video with the speech
belt app run bytedance/omnihuman-1-5 --input '{
  "image_url": "https://presenter-photo.jpg",
  "audio_url": "<audio-url-from-step-1>"
}'

Tip: For most use cases, P-Video-Avatar with built-in TTS is simpler — no separate audio step needed. Use this workflow only when you specifically need OmniHuman (multi-character) or PixVerse (realistic lipsync).

Full Workflow: Dub Video in Another Language

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

# 2. Translate text (manually or with an LLM)

# 3. Generate speech in new language
belt app run infsh/kokoro-tts --input '{"text": "<translated-text>"}' > new_speech.json

# 4. Lipsync the original video with new audio
belt app run infsh/latentsync-1-6 --input '{
  "video_url": "https://original-video.mp4",
  "audio_url": "<new-audio-url>"
}'

Avatar UGC Generation

Create UGC-style content with P-Video-Avatar — built-in TTS, no separate audio step needed:

# 1. Generate a relatable UGC-style portrait
belt app run pruna/p-image --input '{
  "prompt": "casual selfie-style photo of a young woman in a cozy room, natural lighting, looking at camera, warm smile, authentic feel",
  "aspect_ratio": "9:16"
}'

# 2. Create UGC avatar video with built-in TTS
belt app run pruna/p-video-avatar --input '{
  "image": "<image-url-from-step-1>",
  "voice_script": "Okay so I just tried this product and honestly? It is a game changer. I was not expecting to love it this much but here we are!",
  "voice": "Zephyr (Female)",
  "voice_prompt": "Excited, casual, authentic tone like talking to a friend",
  "video_prompt": "The person is talking casually to camera in their room, natural gestures",
  "resolution": "1080p"
}'

Why P-Video-Avatar for UGC

  • All-in-one — built-in TTS means no separate audio generation step
  • 30 voices, 10 languages — match your target audience
  • Voice + video prompts — control tone, emotion, body language, and background independently
  • 18x faster, 6x cheaper — produce UGC at scale vs. Fabric/OmniHuman/HeyGen
  • 1080p support — platform-ready vertical video from a single portrait image

Batch UGC: Same Product, Multiple Presenters

# Generate 3 different presenters
for voice in "Zephyr (Female)" "Puck (Male)" "Aoede (Female)"; do
  belt app run pruna/p-video-avatar --input "{
    \"image\": \"https://portrait.jpg\",
    \"voice_script\": \"This changed my morning routine completely. Five minutes and I am done.\",
    \"voice\": \"$voice\",
    \"voice_prompt\": \"Casual, authentic, like a real testimonial\",
    \"video_prompt\": \"Person talking to camera in a bright kitchen\",
    \"resolution\": \"1080p\"
  }"
done

Use Cases

  • UGC & Marketing: Product demos, UGC-style ads with AI presenters
  • Education: Course videos, explainers
  • Localization: Dub content across 10 languages from one image
  • Social Media: Consistent virtual influencer content
  • Corporate: Training videos, announcements
  • Gaming: Character avatars, NPC dialogue

Tips

  • Use high-quality portrait photos (front-facing, good lighting)
  • Audio should be clear with minimal background noise
  • P-Video-Avatar supports built-in TTS — no need for a separate speech generation step
  • P-Video-Avatar output aspect ratio matches the input image
  • Generate portraits with pruna/p-image using 9:16 aspect ratio for vertical videos
  • OmniHuman 1.5 supports multiple people in one image
  • LatentSync is best for syncing existing videos to new audio

Related Skills

# Dedicated P-Video-Avatar skill
npx skills add inference-sh/skills@p-video-avatar

# Full platform skill (all apps)
npx skills add inference-sh/skills@infsh-cli

# Text-to-speech (generate audio for non-TTS avatar models)
npx skills add inference-sh/skills@text-to-speech

# Speech-to-text (transcribe for dubbing)
npx skills add inference-sh/skills@speech-to-text

# Video generation
npx skills add inference-sh/skills@ai-video-generation

# Image generation (create avatar images)
npx skills add inference-sh/skills@ai-image-generation

Browse all video apps: belt app list --category video

Documentation

skills-101 tarafından daha fazla skill

agent-browser
skills-101
inference.sh üzerinden AI ajanları için tarayıcı otomasyonu. Web sayfalarında gezinin, @e referanslarını kullanarak öğelerle etkileşime geçin, ekran görüntüsü alın, video kaydedin. Yetenekler: web kazıma, form doldurma, tıklama, yazma, sürükle-bırak, dosya yükleme, JavaScript çalıştırma. Şunlar için kullanın: web otomasyonu, veri çıkarma, test etme, ajan taraması, araştırma. Tetikleyiciler: tarayıcı, web otomasyonu, kazıma, gezinme, tıklama, form doldurma, ekran görüntüsü, web'de gezinme, playwright, başsız tarayıcı, web ajanı, internette sörf, video kaydetme
agent-tools
skills-101
inference.sh CLI üzerinden AI uygulamaları çalıştırın - görüntü oluşturma, video oluşturma, LLM'ler, arama, 3D, Twitter otomasyonu. Modeller: FLUX, Veo, Gemini, Grok, Claude, Seedance, OmniHuman, Tavily, Exa, OpenRouter ve daha fazlası. AI uygulamaları çalıştırırken, görüntü/video oluştururken, LLM çağırırken, web araması yaparken veya Twitter'ı otomatikleştirirken kullanın. Tetikleyiciler: inference.sh, infsh, ai model, run ai, serverless ai, ai api, flux, veo, claude api, image generation, video generation, openrouter, tavily, exa search, twitter api, grok
ai-image-generation
skills-101
inference.sh CLI ile GPT-Image-2, FLUX, Gemini, Grok, Seedream, Reve ve 50+ model ile AI görselleri oluşturun. Modeller: GPT-Image-2, FLUX Dev LoRA, FLUX.2 Klein LoRA, Gemini 3 Pro Image, Grok Imagine, Seedream 4.5, Reve, ImagineArt. Yetenekler: metinden görsele, görselden görsele, inpainting, LoRA, görsel düzenleme, yükseltme, metin işleme. Kullanım alanları: AI sanatı, ürün mockupları, konsept sanatı, sosyal medya grafikleri, pazarlama görselleri, illüstrasyonlar. Tetikleyiciler: flux, görsel oluşturma, ai görsel, metinden...
ai-video-generation
skills-101
Google Veo, Seedance 2.0, HappyHorse, Wan, Grok ve inference.sh CLI üzerinden 40+ model ile AI videoları oluşturun. Modeller: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Yetenekler: metinden videoya, görüntüden videoya, referanstan videoya, video düzenleme, dudak senkronizasyonu, avatar animasyonu, video yükseltme, foley ses. Kullanım alanları: sosyal medya videoları, pazarlama içerikleri, açıklayıcı videolar, ürün demoları, AI avatarları. Tetikleyiciler: video oluşturma, ai video,...
app-store-screenshots
skills-101
App Store ve Google Play ekran görüntüsü oluşturma, tam platform özellikleriyle. iOS/Android boyutlarını, galeri sıralamasını, cihaz mockuplarını ve önizleme videolarını kapsar. Şunlar için kullan: app store optimizasyonu, ASO, uygulama ekran görüntüleri, uygulama önizleme, play store listeleme. Tetikleyiciler: app store ekran görüntüleri, aso, app store optimizasyonu, play store ekran görüntüleri, uygulama önizleme, uygulama listeleme, ios ekran görüntüleri, android ekran görüntüleri, app store görselleri, uygulama mockup, cihaz mockup, uygulama galerisi, mağaza listeleme
character-design-sheet
skills-101
Yapay zeka tarafından üretilen görüntülerde referans sayfaları ve LoRA teknikleriyle karakter tutarlılığı. Dönüş görünümleri, ifade sayfaları, renk paletleri ve stil tutarlılığı ipuçlarını kapsar. Şunlar için kullanın: karakter tasarımı, oyun sanatı, illüstrasyon, animasyon, çizgi roman, görsel roman. Tetikleyiciler: karakter tasarımı, karakter sayfası, karakter tutarlılığı, karakter referansı, dönüş sayfası, ifade sayfası, karakter sanatı, tutarlı karakter, karakter konsepti, referans sayfası, karakter oluşturma, oc tasarımı,...
competitor-teardown
skills-101
Yapılandırılmış rekabet analizi: özellik matrisleri, SWOT, konumlandırma haritaları ve UX incelemesi. Araştırma çerçeveleri, fiyatlandırma karşılaştırması, yorum madenciliği ve görsel çıktıları kapsar. Kullanım alanları: pazar araştırması, rekabet istihbaratı, yatırımcı sunumları, ürün stratejisi, satış etkinleştirme. Tetikleyiciler: competitor analysis, competitive analysis, competitor teardown, market research, competitive intelligence, swot analysis, competitor comparison, market landscape, competitor review, competitive...
image-to-video
skills-101
Hareketsiz görüntüden videoya dönüştürme kılavuzu: model seçimi, hareket yönlendirmesi ve kamera hareketi. Wan 2.5 i2v, Seedance, Fabric, Grok Video'yu ve her birinin ne zaman kullanılacağını kapsar. Şunlar için kullanın: görüntüleri canlandırma, hareketsiz karelerden video oluşturma, hareket ekleme, ürün animasyonları. Tetikleyiciler: görüntüden videoya, i2v, görüntüyü canlandır, hareketsizden videoya, görüntüye hareket ekle, görüntü animasyonu, fotoğraftan videoya, hareketsizi canlandır, wan i2v, image2video, görüntüyü hayata geçir, fotoğrafı canlandır, görüntüden hareket