用途：把一张人像图片转成逼真的说话头像视频，内置文本转语音（TTS），也可改用自带音频驱动。通过 inference.sh CLI（belt）调用。
主要能力：支持 voice_script 文本配音或 audio 音频驱动（同时提供时 audio 优先）；可选 voice、voice_language、resolution（720p/1080p）、video_prompt 控制动作与背景、voice_prompt 控制语气节奏、seed 复现、disable_safety_filter、disable_prompt_upsampling。输出视频宽高比与输入图片一致。支持英语（美/英）、西班牙语、法语、德语、意大利语、葡萄牙语（巴西）、日语、韩语、印地语。
用法：先安装 CLI 技能 npx skills add belt-sh/cli，然后 belt login。基本命令：belt app run pruna/p-video-avatar --input '{"image":"https://portrait.jpg","voice_script":"Hello, welcome to our product demo!","voice":"Zephyr (Female)"}'
限制与计费：720p 每秒 $0.025，1080p 每秒 $0.045；示例 30 秒 720p 为 $0.75。资料称 2026 年 5 月 1 日至 4 日免费。建议人像正面、光线良好，视频控制在 3 分钟内以保证一致性。其他平台、效果等细节暂未提供。