فيديو أفاتار بالذكاء الاصطناعي

**تثبيت مهارة CLI الخاصة ب belt:** `npx skills add belt-sh/cli`

# صور الأفاتار ومقاطع الفيديو الناطقة بالذكاء الاصطناعي

أنشئ صور أفاتار ومقاطع فيديو ناطقة بالذكاء الاصطناعي عبر [inference.sh](https://inference.sh) CLI.


## بدء سريع

> يتطلب inference.sh CLI (`belt`). [تعليمات التثبيت](https://raw.githubusercontent.com/inference-sh/skills/refs/heads/main/cli-install.md)

```bash belt login

# Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS) belt app run pruna/p-video-avatar --input '{ "image": "https://portrait.jpg", "voice_script": "Hello, welcome to our product demo!", "voice": "Zephyr (Female)" }' ```

## النماذج المتاحة

**ابدأ ب P-Video-Avatar** — إنه أسرع ب 18 مرة وأرخص ب 6 مرات من البدائل، مع TTS مدمج، وخلفيات ديناميكية، ودعم 1080p.

| النموذج | معرف التطبيق | الأفضل ل | TTS مدمج | |-------|--------|----------|-------------| | **P-Video-Avatar** | `pruna/p-video-avatar` | **الأفضل بشكل عام: السرعة، التكلفة، الجودة، التحكم** | **نعم (30 صوتا، 10 لغات)** | | OmniHuman 1.5 | `bytedance/omnihuman-1-5` | شخصيات متعددة، مدفوعة بالصوت | لا | | Fabric 1.0 | `falai/fabric-1-0` | الصورة تتحدث مع مزامنة الشفاه | نعم | | PixVerse Lipsync | `falai/pixverse-lipsync` | مزامنة شفاه واقعية للغاية | لا |

### مقارنة التكلفة والسرعة

| النموذج | السرعة (لكل ثانية من الفيديو) | التكلفة لكل ثانية | |-------|-------------------------|----------------| | **P-Video-Avatar** | **~1.83 ثانية/ثانية** | **$0.025** | | OmniHuman 1.5 | ~28 ثانية/ثانية (أبطأ 15 مرة) | $0.16 (أغلى 6.4 مرة) | | Fabric 1.0 | ~34 ثانية/ثانية (أبطأ 18 مرة) | $0.14 (أغلى 5.6 مرة) |

## أمثلة

### P-Video-Avatar (موصى به)

إنشاء أفاتار من صورة شخصية + نص مكتوب مع TTS مدمج:

```bash 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" }' ```

مع التحكم في النمط المخصص:

```bash belt app run pruna/p-video-avatar --input '{ "image": "https://portrait.jpg", "voice_script": "This is exciting news!", "voice": "Aoede (Female)", "voice_prompt": "Enthusiastic and energetic tone", "video_prompt": "The person is presenting on stage with dramatic lighting", "resolution": "1080p" }' ```

مع ملف صوتي بدلا من TTS:

```bash belt app run pruna/p-video-avatar --input '{ "image": "https://portrait.jpg", "audio": "https://speech.mp3" }' ```

### سير العمل الكامل: إنشاء صورة شخصية + أفاتار

استخدم Pruna P-Image لإنشاء الصورة الشخصية، ثم أنشئ الأفاتار:

```bash # 1. Generate a portrait image 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" }'

# 2. Create avatar video with built-in TTS 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)" }' ```

### OmniHuman 1.5 (متعدد الشخصيات)

```bash belt app run bytedance/omnihuman-1-5 --input '{ "image_url": "https://portrait.jpg", "audio_url": "https://speech.mp3" }' ```

يدعم تحديد الشخصية التي سيتم تحريكها في الصور متعددة الأشخاص.

### Fabric 1.0 (الصورة تتحدث)

```bash belt app run falai/fabric-1-0 --input '{ "image_url": "https://face.jpg", "audio_url": "https://audio.mp3" }' ```

### PixVerse Lipsync

```bash belt app run falai/pixverse-lipsync --input '{ "image_url": "https://portrait.jpg", "audio_url": "https://speech.mp3" }' ```

## سير العمل الكامل: TTS + أفاتار (نماذج غير TTS)

بالنسبة للنماذج التي لا تحتوي على TTS مدمج (OmniHuman، PixVerse)، قم بإنشاء الكلام أولا:

```bash # 1. Generate speech — Inworld TTS-2 for expressive character voices belt app run inworld/text-to-speech-2 --input '{ "text": "[friendly] Welcome to our product demo! [excited] Let me show you three features that will change how you work.", "voice_id": "Sarah", "delivery_mode": "CREATIVE" }' > speech.json

# 2. Create avatar video with the speech belt app run bytedance/omnihuman-1-5 --input '{ "image_url": "https://presenter-photo.jpg", "audio_url": "<audio-url-from-step-1>" }' ```

> **نصيحة**: لمعظم حالات الاستخدام، P-Video-Avatar مع TTS المدمج أبسط — لا توجد حاجة لخطوة صوتية منفصلة. استخدم سير العمل هذا فقط عندما تحتاج تحديدا إلى OmniHuman (متعدد الشخصيات) أو PixVerse (مزامنة شفاه واقعية).

## سير العمل الكامل: دبلجة الفيديو بلغة أخرى

```bash # 1. Transcribe original video belt app run infsh/fast-whisper-large-v3 --input '{"audio_url": "https://video.mp4"}' > transcript.json

# 2. Translate text (manually or with an LLM)

# 3. Generate speech in new language belt app run infsh/kokoro-tts --input '{"text": "<translated-text>"}' > new_speech.json

# 4. Lipsync the original video with new audio ```