p-video-avatar

用途

p-video-avatar 用于把一张人像图片变成“会说话的头部视频”。它调用 Pruna P-Video-Avatar 模型，通过 inference.sh 的命令行工具 belt 执行，适合需要快速批量生成讲解人、虚拟主播或数字人视频的场景。根据资料描述，该模型是较快速且较具成本效益的头像视频模型，内置 TTS，可把文字脚本直接转为语音并驱动口型，也支持用自带音频驱动。

主要能力

从单张肖像图生成说话视频，输出视频宽高比与输入图片一致。
内置 TTS：可输入 voice_script 文本，由模型朗读并驱动口型。
音频驱动：可提供 audio 文件替代文本；当 audio 与 voice_script 同时提供时，audio 优先。
语音选择：提供多组女声（如 Zephyr、Kore、Leda、Aoede 等）与男声（如 Puck、Charon、Fenrir、Orus 等）。
多语言：支持 English (US)、English (UK)、Spanish、French、German、Italian、Portuguese (Brazil)、Japanese、Korean、Hindi。
分辨率：可选 720p 或 1080p，默认 720p。
风格控制：voice_prompt 控制语气、节奏与情绪；video_prompt 控制人物行为与背景。
可复现：提供 seed 参数以获得一致的生成结果。
其它开关：disable_safety_filter（默认 true）、disable_prompt_upsampling（默认 false）。

使用方式

需要 inference.sh CLI（belt），安装技能命令为：npx skills add belt-sh/cli。使用前先执行 belt login 登录。

基础调用示例： belt app run pruna/p-video-avatar --input '{ "image": "https://portrait.jpg", "voice_script": "Hello, welcome to our product demo!", "voice": "Zephyr (Female)" }'

完整工作流（先生成肖像再生成视频）： belt app run pruna/p-image --input '{ "prompt": "professional headshot portrait of a young woman, neutral background, looking at camera, studio lighting, photorealistic", "aspect_ratio": "9:16" }'

belt app run pruna/p-video-avatar --input '{ "image": "<image-url-from-step-1>", "voice_script": "Hi there! Let me walk you through our latest features.", "voice": "Zephyr (Female)", "resolution": "720p" }'

带语音与分辨率的示例： belt app run pruna/p-video-avatar --input '{ "image": "https://portrait.jpg", "voice_script": "Welcome to our product walkthrough. Today I will show you three key features.", "voice": "Puck (Male)", "voice_language": "English (US)", "resolution": "720p" }'

音频驱动示例： belt app run pruna/p-video-avatar --input '{ "image": "https://portrait.jpg", "audio": "https://speech.mp3" }'

1080p 与自定义风格示例： belt app run pruna/p-video-avatar --input '{ "image": "https://portrait.jpg", "voice_script": "This is exciting news for our community!", "voice": "Aoede (Female)", "voice_prompt": "Enthusiastic and energetic tone, slightly faster pace", "video_prompt": "The person is presenting on stage with dramatic lighting", "resolution": "1080p" }'

多语言示例（西班牙语）： belt app run pruna/p-video-avatar --input '{ "image": "https://portrait.jpg", "voice_script": "Bienvenidos a nuestra demostración de producto.", "voice": "Kore (Female)", "voice_language": "Spanish" }'

多语言示例（日语）： belt app run pruna/p-video-avatar --input '{ "image": "https://portrait.jpg", "voice_script": "こんにちは、製品デモへようこそ。", "voice": "Leda (Female)", "voice_language": "Japanese" }'

可复现示例： belt app run pruna/p-video-avatar --input '{ "image": "https://portrait.jpg", "voice_script": "Consistent results every time.", "seed": 42 }'

参数

image（file，必填）：肖像图片，支持 jpg、jpeg、png、webp。
voice_script（string）：人物要说的文本。
audio（file）：音频文件，会覆盖 voice_script。
voice（string，默认 "Zephyr (Female)"）：语音选择。
voice_language（string，默认 "English (US)"）：输出语言。
resolution（string，默认 "720p"）：720p 或 1080p。
video_prompt（string，默认 "The person is talking."）：控制人物行为与背景。
voice_prompt（string，默认 "Say the following."）：控制语气、节奏与情绪。
seed（int，默认随机）：可复现生成。
disable_safety_filter（bool，默认 true）：关闭内容过滤。
disable_prompt_upsampling（bool，默认 false）：跳过提示词增强。

适用场景

资料列出的用途包括：营销（产品演示、UGC 风格广告与 AI 主持人）、教育（课程视频、讲解与辅导内容）、本地化（用同一张图配音成 10 种语言）、社交媒体（稳定的虚拟网红内容）、企业（培训、入职、公告）、游戏（角色头像、NPC 对话视频）、客服（个性化视频回复）。

限制与提示

建议使用高质量、正面、光线良好的人像照片。
输出视频宽高比与输入图片一致。
建议视频控制在 3 分钟以内，以获得更好的视觉一致性。
用 pruna/p-image 生成肖像时，可用 aspect_ratio 9:16 制作竖版头像视频。
价格方面，页面标注 720p 为每秒 $0.025，1080p 为每秒 $0.045，例如 30 秒 720p 视频为 $0.75；另有限时免费活动说明。
关于与其它模型的对比数据、语音与语言列表、活动时间等，均以资料中所列为准；其它未在资料中说明的功能、效果或平台情况暂未提供。

技能介绍

用途

主要能力

使用方式

参数

适用场景

限制与提示

相关模型与技能