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
- 「帮我用 AI 做一段森林上空的无人机航拍视频」——纯文字描述出片(文生视频)。
- 「让这张产品图动起来,镜头缓慢推近」——手头有图,想变成动态视频(图生视频)。
- 「给我做个会说话的数字人,念这段稿子」——用一张肖像 + 一段语音做播报/口播(数字人/对口型)。
- 「把这段无声视频加上海浪声和鸟叫」——用 foley 工具补音效。
- 「把这两段视频淡入淡出拼成一条」——用 media-merger 合并并加转场。
- 原话信号:做视频 / AI 生视频 / 文生视频 / 图生视频 / 让图片动起来 / 数字人 / 类似 Runway / 类似 Sora / 类似 Kling。
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
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)
- 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。
- (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。
- 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。
- 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
- 第一次用先登录。 没跑过
belt login 会报错,先按第三节登录。
- 中文文字会乱码。 多数视频模型把画面里的中文渲染成乱码。需要画面出现正确中文,请改用 ai-video-cn-text(先出准文字参考图再转视频)。
- 素材要公网网址。 图生视频、数字人所需的图片/语音,都必须是「网上能直接打开的网址」;本地文件要先上传到可公开访问处。
- 生成是异步的。 视频比图片慢,提交后需等待;耐心等 AI大模型或AI智能体 返回结果,不要当成卡住。
- 想换更多模型。 命令行跑
belt app store --category video 浏览全部视频类模型。
七、相关 skill / 延伸
- ai-image-generation:同一个平台「图像版」,做图生视频前常先用它出参考图。
- seedance-video-gen:字节方舟 Seedance 视频生成,与本 skill 的 Seedance 能力互补。
- ai-video-cn-text:专治视频里中文乱码,核心思路与本 skill 共用。
- synced-narration-subtitle:给视频加人声旁白和同步字幕时配合使用。