SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场p-video-avatar

p-video-avatar

设计与创作

查看项目

更新于 10-15 08:33

技能介绍

Pruna P-Video-Avatar 是一个口播数字人（talking head avatar）视频生成模型，通过 inference.sh CLI（belt）使用。它可以把一张人像图片变成逼真的说话视频，并内置 TTS（文本转语音）。

【用途】 根据资料，它用于从单张人像图片生成口播数字人视频，适合营销（产品演示、AI 主播风格广告）、教育（课程视频、讲解、辅导内容）、本地化（用一张图片配出 10 种语言内容）、社交媒体（统一的虚拟网红内容）、企业（培训、入职、公告）、游戏（角色头像、NPC 对话视频）、客户支持（个性化视频回复）等场景。

【主要能力】

  • 文本脚本驱动：通过 voice_script 输入人物要说的话，使用内置 TTS 生成语音并驱动口型。
  • 音频驱动：通过 audio 参数提供自己的音频文件；当同时提供 audio 和 voice_script 时，audio 优先。
  • 音色选择：提供多个女性音色（Zephyr、Kore、Leda、Aoede、Callirrhoe、Autonoe、Despina、Erinome、Laomedeia、Achernar、Gacrux、Pulcherrima、Vindemiatrix、Sulafat）和男性音色（Puck、Charon、Fenrir、Orus、Enceladus、Iapetus、Umbriel、Algenib、Algieba、Schedar、Achird、Zubenelgenubi、Sadachbia、Sadaltager、Alnilam、Rasalgethi）。
  • 多语言：支持 English (US)、English (UK)、Spanish、French、German、Italian、Portuguese (Brazil)、Japanese、Korean、Hindi。
  • 分辨率：支持 720p 和 1080p。
  • 视频控制：video_prompt 用于控制数字人行为与背景，例如“The person is presenting on stage with dramatic lighting”。
  • 语音控制：voice_prompt 用于控制语气、节奏、情绪，例如“Enthusiastic and energetic tone, slightly faster pace”。
  • 可复现：通过 seed 参数实现可复现生成。
  • 安全与增强开关：disable_safety_filter（默认 true）可关闭内容过滤；disable_prompt_upsampling（默认 false）可跳过提示词增强。

【使用方式】 需要先安装 inference.sh CLI（belt），安装说明见 belt 登录后使用。资料给出的安装技能命令为： npx skills add belt-sh/cli

登录： belt login

基础用法（人像 + 文本脚本）： belt app run pruna/p-video-avatar --input '{ "image": "https://portrait.jpg", "voice_script": "Hello, welcome to our product demo!", "voice": "Zephyr (Female)" }'

完整流程：先用 Pruna P-Image 生成人像，再用 P-Video-Avatar 生成视频：

1. 生成人像图片

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. 使用第 1 步生成的图片 URL 创建数字人视频

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)", "resolution": "720p" }'

其他示例包括：选择音色与语言的文本脚本、音频驱动、1080p 自定义风格、多语言内容（西班牙语、日语）、可复现生成（seed: 42）。

【参数】

  • image：file，必填，人像图片（jpg、jpeg、png、webp）
  • voice_script：string，人物要说的文本
  • audio：file，音频文件（覆盖 voice_script）
  • voice：string，默认 "Zephyr (Female)"，音色选择
  • voice_language：string，默认 "English (US)"，输出语言
  • resolution：string，默认 "720p"，可选 720p 或 1080p
  • video_prompt：string，默认 "The person is talking."，控制数字人行为与背景
  • voice_prompt：string，默认 "Say the following."，控制语气、节奏、情绪
  • seed：int，随机，可复现生成
  • disable_safety_filter：bool，默认 true，关闭内容过滤
  • disable_prompt_upsampling：bool，默认 false，跳过提示词增强

【价格】 根据资料：720p 为每秒输出视频 $0.025；1080p 为每秒视频 $0.045。示例：30 秒 720p 视频 = $0.75。 资料还提到免费发布周末：P-Video-Avatar 在 2026 年 5 月 1 日周四 16:00 CET 至 2026 年 5 月 4 日周日 23:59 CET 完全免费，该时间段内不收费、不限分辨率。

【使用提示】

  • 使用高质量人像照片（正面、良好光照）
  • 输出视频宽高比与输入图片一致
  • 用 video_prompt 控制动态背景与肢体语言
  • 用 voice_prompt 控制说话风格、情绪与节奏
  • 为获得最佳视觉一致性，视频保持在 3 分钟以内
  • 用 pruna/p-image 以 9:16 宽高比生成竖版数字人视频所需的人像

【相关模型与技能】 相关 Pruna 模型：

生成人像图片

belt app run pruna/p-image --input '{"prompt": "professional headshot portrait"}'

通用视频生成

belt app run pruna/p-video --input '{"prompt": "cinematic scene"}'

图片编辑

belt app run pruna/p-image-edit --input '{"prompt": "change background", "image": "https://photo.jpg"}'

相关技能安装命令：

完整平台技能（所有应用）

npx skills add inference-sh/skills@infsh-cli

Pruna 视频生成

npx skills add inference-sh/skills@p-video

Pruna 图片生成

npx skills add inference-sh/skills@p-image

所有视频生成模型

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

图片生成（用于创建人像）

npx skills add inference-sh/skills@ai-image-generation

浏览所有 Pruna 应用：belt app list --search "pruna"

【限制】 资料中未提供关于时长上限、并发限制、失败率等更多限制信息；除上述参数与价格外，暂未提供其他技术限制说明。