用途：通过 inference.sh 命令行工具（infsh）生成 AI 数字人与口播视频，将静态人像图片与音频合成为会说话、带唇形同步的视频。
主要能力：支持多个模型，包括 OmniHuman 1.5（bytedance/omnihuman-1-5，适合多人物、质量最佳）、OmniHuman 1.0（bytedance/omnihuman-1-0，单人物）、Fabric 1.0（falai/fabric-1-0，图片说话加唇形同步）、PixVerse Lipsync（falai/pixverse-lipsync，高度逼真）。OmniHuman 1.5 支持在多人物图片中指定驱动哪个角色。可用 infsh app list --search 搜索相关应用。
使用方式：需先安装 infsh CLI 并登录（infsh login）。基本调用为 infsh app run <app-id> --input '{...}'，输入包含 image_url 与 audio_url。可组合完整流程：先用 infsh/kokoro-tts 由文本生成语音，再生成数字人视频；或先用 infsh/fast-whisper-large-v3 转写原视频、翻译文本、生成新语言语音，再用 infsh/latentsync-1-6 对原视频做唇形同步实现配音。
适用场景：营销产品演示、教育课程与讲解视频、多语言本地化配音、社交媒体虚拟网红、企业培训与公告。
限制与提示：需具备 inference.sh CLI 环境与账号；建议使用正面、光照良好的高清人像和清晰低噪音频；LatentSync 更适合将已有视频同步到新音频。具体收费、配额与平台支持资料未提供。