用途：通过 inference.sh 命令行工具（infsh）生成 AI 数字人与口播（talking head）视频，输入一张人物图片和一段音频，输出人物随音频说话的视频。
主要能力与可用模型：OmniHuman 1.5（bytedance/omnihuman-1-5，支持多人图像、质量最佳）、OmniHuman 1.0（bytedance/omnihuman-1-0，单人物）、Fabric 1.0（falai/fabric-1-0，图片配合唇形同步说话）、PixVerse Lipsync（falai/pixverse-lipsync，高度逼真）。可用 infsh app list --search "omnihuman"、"lipsync"、"fabric" 搜索相关应用。
使用方式：需先安装 inference.sh CLI（infsh），然后登录：infsh login。基本调用为 infsh app run <app-id> --input '{...}'，输入包含 image_url 与 audio_url。例如：infsh app run bytedance/omnihuman-1-5 --input '{"image_url": "https://portrait.jpg", "audio_url": "https://speech.mp3"}'。OmniHuman 1.5 支持指定多人图像中由哪个角色驱动。
组合工作流：TTS 加数字人——先用 infsh app run infsh/kokoro-tts 生成语音，再用 OmniHuman 1.5 生成视频；视频多语言配音——先用 infsh/fast-whisper-large-v3 转录，翻译文本后用 kokoro-tts 生成新语音，再用 infsh/latentsync-1-6 对原视频做唇形同步。
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：资料未提供收费、价格与平台支持信息。建议使用正面、光线良好的高质量人像照片，音频清晰、背景噪声小；LatentSync 更适合把已有视频同步到新音频。相关技能可通过 npx skills add inference-sh/skills@infsh-cli 等命令安装。