用途：把一张人像图片变成逼真的口播视频，适合营销演示、课程讲解、多语言配音、口播广告、虚拟主播和客服视频等场景。
主要能力：内置 TTS，可用语音合成或传入音频驱动；支持多语言和多种音色；可选 720p/1080p；可用 video_prompt 控制人物动作与背景，用 voice_prompt 控制语气和节奏；支持 seed 复现结果。
必要用法：先安装 CLI 技能 npx skills add belt-sh/cli，然后 belt login 登录，再运行：belt app run pruna/p-video-avatar --input '{"image":"https://portrait.jpg","voice_script":"Hello, welcome to our product demo!","voice":"Zephyr (Female)"}'。也支持用 pruna/p-image 先生成人像再驱动。
限制与注意：需通过 inference.sh CLI 调用；image 必填；输出视频比例跟随输入图片；建议视频不超过 3 分钟以保证视觉一致性；官方称 720p 为每输出秒 $0.025、1080p 为 $0.045，并说明有免费活动窗口；具体价格、可用性及条款以官方页面为准，部分信息暂未提供。