AI 视频文生视频图生视频数字人inference.sh

AI Video Generation(AI 视频生成)

一句话调用 40+ 款顶尖 AI 视频模型,从文字或图片生成带声音的视频。

一、这个 skill 是做什么的

这个 skill 让你用一句话(或一张图)生成一段视频——无论是社交短视频、产品演示、科普动画,还是会开口说话的「数字人」。它背后接入了 inference.sh 平台的 40 多款模型,包括 Google Veo、字节 Seedance、阿里 HappyHorse、Wan、Grok 等。

它的能力很全:文生视频(描述一句话就出片)、图生视频(让一张静态图动起来)、参考生视频(保持人物长相一致)、数字人 / 对口型(给一张人脸配一段语音,嘴型自动对齐)、视频编辑(用大白话改背景)、以及放大、加音效、合并视频等后期工具。

和图像版一样,它也是个「调度台」:你描述想要什么,AI大模型或AI智能体 帮你选对模型、填好参数、跑出视频,你不用记哪家模型叫什么。

二、什么时候用它

三、前置条件 / 准备

1. 安装 belt 命令行(inference.sh 官方工具)

这是本 skill 的发动机,在命令行执行:

npx skills add belt-sh/cli

2. 登录账号(首次必须)

belt login
账号与额度:inference.sh 是第三方平台,需要它的账号;生成视频通常比图片更耗额度/积分,高清长视频尤甚。没账号先去官网注册登录。具体计费以平台为准。

四、具体用法(步骤)

  1. 说清要什么类型的视频。 明确是「从文字生成」还是「从图片生成」,以及要不要声音、多长、什么比例。
  2. (可选)指定模型。 常用几款:
    • google/veo-3-1-fast:快,可带声音,日常首选。
    • bytedance/seedance-2-0:文/图/参考生视频,可同步生成声音,最高 1080p。
    • falai/wan-2-5:让任意图片动起来(图生视频)。
    • bytedance/omnihuman-1-5:多人物数字人。
    • falai/fabric-1-0 / falai/pixverse-lipsync:给人脸配语音对口型。
  3. 把需求交给 AI大模型或AI智能体。 它会组装命令调用 belt 运行;视频生成是异步的,跑完会把成品(或下载地址)给你。
  4. 要声音 / 对口型时,准备好素材。 数字人和配音需要你提供「人脸图片网址」和「语音文件网址」。

五、可直接照用的示例

你直接对 AI大模型或AI智能体 说:帮我做一段花园里花朵绽放的延时摄影视频。

AI大模型或AI智能体 会:用 Veo(文生视频)按你的描述生成一段延时视频,并把成品展示给你。

你直接对 AI大模型或AI智能体 说:让这张风景照(附图网址)动起来,海浪拍打岸边、夕阳西下,并配上环境音,时长 5 秒。

AI大模型或AI智能体 会:走「图生视频 + 同步生成音频」流程(如 Seedance 2.0),把静态图变成带海浪声的短视频。

你直接对 AI大模型或AI智能体 说:用这张肖像(网址)+ 这段语音(网址),做个开口说话的数字人。

AI大模型或AI智能体 会:调用对口型模型(如 Fabric / OmniHuman),让肖像的嘴型跟着语音动,生成会说话的视频。

进阶 / 可选:习惯手敲命令时,belt 直接调用的样子(AI大模型或AI智能体 平时会替你做这步):

belt app run google/veo-3-1-fast --input '{ "prompt": "A timelapse of a flower blooming in a garden" }'

意思:用 Veo 快速版,按引号里的英文描述生成一段视频。

六、常见注意 / 避坑

七、相关 skill / 延伸

← 返回 SKILL 库