核心用法
该 Skill 通过调用 inference.sh CLI（infsh）实现 AI 视频生成，覆盖三大核心场景：
1. 文生视频（T2V）：使用 Google Veo 3.1/3/2、Grok Video、Seedance 等模型，通过文本描述直接生成视频，支持音频同步与帧插值。
2. 图生视频（I2V）：基于 Wan 2.5、Seedance Lite 等模型，将静态图片转化为动态视频，适用于产品展示与创意动画。
3. 数字人与唇同步：通过 OmniHuman、Fabric、PixVerse Lipsync 实现照片说话、多角色动画及精准口型匹配，配合 HunyuanVideo Foley 添加音效、Topaz Upscaler 提升画质，形成完整视频生产链路。
用户需先执行 curl -fsSL https://cli.inference.sh | sh 安装 CLI，完成 infsh login 认证后，即可通过 infsh app run <app-id>> 调用具体模型。所有生成任务在 inference.sh 云端执行，返回视频 URL。
显著优点
- 模型覆盖全面：整合 Google、xAI、字节跳动、Fal.ai 等主流厂商的 40+ 视频模型，一站式满足从快速原型到高质量成片的差异化需求。
- 功能链路完整：不仅支持基础生成，还提供视频超分、音效合成、多片段合并等后期工具，降低跨平台协作成本。
- 触发词丰富：预设 20+ 自然语言触发词（如 "animate image"、"runway alternative"），提升 Agent 意图识别准确率。
- 生态协同性强：与图像生成、语音合成、Twitter 自动化等 Skill 形成内容生产闭环，适合构建自动化营销管线。
潜在缺点与局限性
- 外部依赖过重：核心功能完全依赖 inference.sh 平台可用性与定价策略，若服务中断或调价，Skill 将失效。
- 数据隐私风险：所有图片、音频、提示词需上传至第三方云端，敏感内容存在泄露隐患。
- 无本地执行能力：必须联网且依赖云端算力，无法离线使用，生成耗时受队列排队影响。
- 成本不可控：按量计费模式下，高清长视频或批量生成可能产生高额费用，缺乏预算预警机制。
- 供应链安全隐患：CLI 通过 curl 管道安装，无 GPG 签名验证，存在脚本篡改风险。
适合的目标群体
- 社交媒体运营者：快速产出短视频、产品演示、AI 数字人内容，适配 TikTok、Instagram、Twitter 等平台。
- 营销与广告团队：制作低成本 explainer video、品牌动画，替代传统视频外包。
- 独立创作者与开发者：构建自动化内容工作流，结合其他 Skill 实现"文本→图像→视频→发布"全链路。
- 教育与培训机构：生成教学动画、虚拟讲师，降低课程制作门槛。
使用风险
- 性能风险：云端队列拥堵时生成延迟不可预测，实时性要求高的场景慎用。
- 依赖项风险：infsh CLI 版本更新可能引入破坏性变更，需持续关注兼容性。
- 合规风险：生成内容需遵守各模型厂商的使用政策，商业用途需确认授权范围。
- 成本风险：未设置用量上限，意外循环调用可能导致账单激增。