用途：借助 inference.sh 命令行工具，用一张人像图片加一段音频生成 AI 数字人或说话头像视频，也可对已有视频做口型同步。
主要模型与能力：OmniHuman 1.5（bytedance/omnihuman-1-5）适合多角色、画质最佳；OmniHuman 1.0 适合单角色；Fabric 1.0（falai/fabric-1-0）让图片开口做唇形同步；PixVerse Lipsync（falai/pixverse-lipsync）追求高真实感。可用 infsh app list --search 加关键词搜索相关应用。
使用方式：先安装并登录，命令为 curl -fsSL https://cli.inference.sh | sh && infsh login。生成时运行 infsh app run 加应用 ID，传入 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"}'。
可组合工作流：先用 infsh/kokoro-tts 从文本生成语音，再驱动数字人；配音场景可先用 infsh/fast-whisper-large-v3 转录原视频，翻译后生成新语音，再用 infsh/latentsync-1-6 将原视频与新音频同步。
适用场景：营销产品演示、教育课程与讲解、多语言本地化配音、社交媒体虚拟形象、企业培训与公告。
限制与提示：应使用正面、光照良好的高清人像和清晰、低噪声音频；OmniHuman 1.5 支持图内多人并指定驱动对象，LatentSync 更适合已有视频换音频。资料未提供价格、配额、各模型时长与分辨率上限等信息。