infinitetalk
音频驱动的稀疏帧视频配音工具，支持音频驱动的 Video-to-Video 和 Image-to-Video 生成，实现精准的唇形、头部、身体姿态同步，支持无限时长视频生成
npx skills add anbeime/skill --skill infinitetalk --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# InfiniteTalk - 音频驱动视频生成 ## 任务目标 - 本 Skill 用于：将音频（语音）转换为同步的说话人视频，支持从单张图片或现有视频生成音频驱动的说话视频 - 能力包含： - Image-to-Video：从单张图片生成音频驱动的说话视频 - Video-to-Video：对现有视频进行音频驱动的重配音 - 多维度同步：唇形、头部运动、身体姿态、面部表情与音频精准对齐 - 无限时长：支持无限制时长的视频生成 - 低显存适配：支持量化、模型卸载等显存优化方案 - 触发条件：当需要生成音频驱动的数字人视频、视频配音、虚拟主播内容时使用 ## 前置准备 - 模型下载：在使用本 Skill 前，必须先下载所需的模型权重文件，具体步骤见 [references/model_download.md](references/model_download.md) - 硬件要求： - GPU：推荐使用 16GB+ 显存的 GPU（可使用量化方案适配低显存设备） - 内存：建议 32GB+ 系统内存 - 磁盘空间：至少 50GB 可用空间（模型权重约 30GB） - 环境配置：详细依赖安装见 [references/environment_setup.md](references/environment_setup.md) ## 操作步骤 ### 模式一：Image-to-Video（图片生成视频） 1. 准备输入 - 确保有一张清晰的人脸图片作为输入 - 准备音频文件（支持 mp3、wav 等格式） - 可选：使用 TTS 功能从文本生成音频 2. 执行生成 - 调用 `scripts/infer_infinitetalk.py` 进行推理 - 参数说明： - `input_path`: 输入图片路径 - `audio_path`: 驱动音频路径（或提供 `text` 使用 TTS） - `output_path`: 输出视频路径 - `mode`: `clip`（单段）或 `streaming`（长视频） - `size`: `infinitetalk-480`（480P）或 `infinitetalk-720`（720P） - `sample_steps`: 采样步数（默认 40） - `sample_audio_guide_scale`: 音频引导强度（默认 4.0） 3. 验证输出 - 检查生成的视频是否同步良好 - 确认唇形、头部动作与音频匹配 - 如有异常，调整 `sample_audio_guide_scale` 参数 ### 模式二：Video-to-Video（视频重配音） 1. 准备输入 - 准备参考视频文件 - 准备目标音频文件 2. 执行生成 - 使用相同的脚本，但 `input_path` 指向视频文件 - 脚本会自动提取视频
- 任务目标
- 前置准备
- 操作步骤
- 模式一：Image-to-Video（图片生成视频）
- 模式二：Video-to-Video（视频重配音）
- 模式三：使用 TTS 生成音频
- 资源索引
- 注意事项
- 使用示例
python scripts/infer_infinitetalk.py \
What does the infinitetalk skill do?
音频驱动的稀疏帧视频配音工具，支持音频驱动的 Video-to-Video 和 Image-to-Video 生成，实现精准的唇形、头部、身体姿态同步，支持无限时长视频生成
How do I install it?
Run `npx skills add anbeime/skill --skill infinitetalk --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From anbeime/skill, a repository with 4,714 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.