Mmcp.market

infinitetalk skill

by anbeime·anbeime/skill·7.3k stars

自媒体创作者与内容创作者在制作数字人播报或视频重配音时，只需单张人像图片与音频，即可一键生成唇形、头部运动及身体姿态精准同步的无限时长说话视频。轻松搞定虚拟主播内容，大幅节省真人拍摄与后期剪辑时间！

A100/100content scan

Is the infinitetalk skill safe?

Clean: nothing in its files matched our rules. We read 5 files in the folder on 2026-09-28.

No findings.

Install the infinitetalk skill

A skill is a folder. Copy it into your agent's skills folder and the agent loads it when the task matches its description. 

git clone --depth 1 https://github.com/anbeime/skill.git /tmp/skill
mkdir -p ~/.claude/skills
cp -r /tmp/skill/skills/infinitetalk/infinitetalk ~/.claude/skills/infinitetalk
available in every project

In the Claude apps, zip the folder and upload it from the Skills settings. The folder on GitHub

The instructions your agent would load

SKILL.md as published, without the frontmatter. Read it on GitHub

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
  • 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

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
  1. 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）
  • sampleaudioguide_scale: 音频引导强度（默认 4.0）
  1. 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 sampleaudioguide_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
  1. 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的首帧作为参考
  1. 处理长视频
  • 使用 streaming 模式生成无限时长视频
  • 通过 motion_frame 参数控制驱动帧长度（默认 9）

模式三：使用 TTS 生成音频

  1. 文本转语音
  • 提供待合成的文本内容
  • 指定声音模型（Kokoro-82M）
  • 脚本会自动生成音频文件
  1. 生成视频
  • 使用生成的音频驱动视频生成
  • 支持双人对话模式（使用标记 (s1) 和 (s2) 区分说话人）

资源索引

  • 核心脚本：见 scripts/infer_infinitetalk.py（音频驱动视频生成推理）
  • 环境配置：见 references/environment_setup.md（依赖安装和系统配置）
  • 模型下载：见 references/model_download.md（模型权重下载指南）
  • 使用示例：见 references/usage_examples.md（典型场景和命令示例）

注意事项

  • 模型权重较大（约 30GB），首次使用需要提前下载
  • 建议使用高显存 GPU（16GB+），低显存设备可使用量化方案
  • 输入音频建议采样率为 16000Hz，脚本会自动进行响度归一化
  • 输入图片/视频应包含清晰的人脸区域
  • 生成速度取决于 GPU 性能，480P 分辨率下生成 1 秒视频约需 5-10 秒
  • 如遇到显存不足错误，可尝试：
  • 降低分辨率（使用 size=infinitetalk-480）
  • 启用量化（添加 --quant int8 参数）
  • 启用模型卸载（添加 --offload_model true）

使用示例

  • 基础图片生成视频：
python scripts/infer_infinitetalk.py \
    --input_path ./input.jpg \
    --audio_path ./audio.wav \
    --output_path ./output.mp4 \
    --size infinitetalk-480 \
    --mode clip
  • 长视频生成：
python scripts/infer_infinitetalk.py \
    --input_path ./input.jpg \
    --audio_path ./long_audio.wav \
    --output_path ./long_output.mp4 \
    --size infinitetalk-480 \
    --mode streaming
  • 使用 TTS 生成：
python scripts/infer_infinitetalk.py \
    --input_path ./input.jpg \
    --text "你好，今天天气真不错" \
    --output_path ./tts_output.mp4 \
    --size infinitetalk-480

More skills from anbeime/skill

  • APDF Processing Pro综合办公文员与软件开发工程师当需要批量处理PDF表单、提取表格或进行OCR识别时，使用内置脚本一键完成自动化提取与数据校验，彻底告别繁琐的手动录入，让复杂文档工作流高效、稳健落地。
  • Aagent-team产品经理与项目管理专家在应对复杂项目时，使用此技能可动态组建包含“执行、指挥、评审”的专属AI团队。实时查看多智能体辩论与决策全过程，共享统一上下文记忆，一键完成从会议决策到系统构建的全流程高效协同！
  • Aagentkit-multimedia-shopping电商运营与内容创作者在需要制作带货短视频时，用此技能一键生成9:16竖屏数字人成片。自动编排AI绘画、语音合成与视频生成，快速产出“小省导购员”专属形象与专业配音，让多模态视频制作省时省力。
  • Aantinet-doc-parse软件开发工程师与数据科学家在构建RAG系统时，当需处理PDF/Word/Excel等多格式复杂文档，用此技能可自动触发三级解析降级，一键输出高置信度结构化Markdown与元数据，免去繁琐清洗，直接夯实企业知识库数据底座！
  • Aantinet-four-color-cards财务和投资分析师、律师助理与法律助手在撰写金融研报或分析法律文档时，必用此技能！基于解析文档一键生成事实蓝卡、解释绿卡、风险黄卡与行动红卡。自动完成深度剖析与风险排查，产出100%可溯源的结构化四色报告，让复杂分析高效且严谨。
  • Aantinet-provenance软件开发工程师与信息安全分析师在构建多智能体系统时，当需全链路可观测与安全审计，请用此技能。它自动收集操作日志，生成可追溯证据链与向量索引，开箱即用实现系统审计与精准回放，让Agent运行安全透明。
  • Aantinet-security-scan信息安全分析师与软件开发工程师在搭建文档处理流水线时，当需要拦截违规文件或外部URL，请挂载此技能作为强制前置安检，自动输出 pass/reject 判定与详细合规扫描报告，一键守住零信任安全底线。
  • AarchifyCreate polished, validated architecture, workflow, sequence, data-flow, and lifecycle/state diagrams as explorable standalone HTML with inline SVG, dark/light themes, optional trace motion, and PNG/JPEG/WebP/SVG/WebM export. Accept plain-language requirements or pasted Mermaid flowchart, sequenceDiagram, and stateDiagram input; inspect repository evidence when the diagram must reflect real code. Use when the user asks to visualize system architecture, infrastructure, cloud/security/network topology, technical workflows, API call sequences, request lifecycles, data pipelines, ETL/ELT, data lineage, state machines, or to convert/beautify Mermaid.
  • Aarticle-illustrator内容创作者与自媒体创作者在撰写长文缺乏视觉辅助时，当需要给文章配图或生成插图请使用。自动分析文章结构，精准识别位置并生成插画插入段落，将抽象概念具象化。一键完成智能图文排版，省去手动找图时间，大幅提升阅读体验！
  • Aarticle-illustrator内容创作者和自媒体创作者在撰写长文时，当需要“给文章配图”或“添加插图”时使用。自动分析文章结构，精准识别需要视觉辅助的位置，生成并插入契合语境的插画，将抽象概念具象化，一键完成高质量图文排版，大幅提升阅读体验。
  • Aatutun-xhs-cover阿囤囤风格小红书封面提示词生成。用于AI工具、效率方法、产品测评、教程部署、个人经验、播客推荐、职场认知类内容的爆款竖版封面设计。特点是真人出镜、超大柔和浅黄（#FDFFA7）/白色中文标题、粗黑描边、人物抠图描边、绿色勾选清单、emoji贴纸、箭头标注、高对比高密度构图。关键词：小红书封面、爆款封面、阿囤囤风格、AI教程封面、产品测评封面、封面提示词。
  • Abaoyu-format-markdown技术写作员与内容创作者在处理纯文本或 Markdown 稿件时，若需优化文章结构、添加 frontmatter 或自动修正中英文排版间距，使用此技能可一键生成专业美观的 {filename}-formatted.md 文件，让文档排版更完美。

All agent skills → · MCP servers