用途：通过 inference.sh 命令行工具（infsh）调用多种模型，把静态图片与音频合成为 AI 数字人、说话头像或口型同步视频，也可为已有视频替换新音频。
主要能力：支持 OmniHuman 1.5（多人、质量最佳）、OmniHuman 1.0（单人）、Fabric 1.0（图片说话加唇形同步）、PixVerse Lipsync（高真实感）等模型；可用 infsh app list --search 检索应用。
使用方式：先安装并登录：curl -fsSL https://cli.inference.sh | sh && infsh login。生成视频示例：infsh app run bytedance/omnihuman-1-5 --input '{"image_url": "https://portrait.jpg", "audio_url": "https://speech.mp3"}'。其他模型同理，替换 app ID 即可，如 falai/fabric-1-0、falai/pixverse-lipsync。
组合流程：可先用 infsh/kokoro-tts 由文本生成语音，再输入数字人模型；配音流程为 fast-whisper-large-v3 转录、翻译文本、kokoro-tts 生成新语音、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、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：需联网并登录 inference.sh 账号；建议使用正面、光线良好的高清人像与清晰低噪音频；OmniHuman 1.5 支持一张图多人；LatentSync 更适合已有视频换音频。资料未提供具体收费、价格与平台支持信息。