VideoChat
通过GLM-4-Voice和级联语音方案实现低延迟交互的数字人对话系统
数字人对话系统提供支持实时语音交互的平台，采用GLM-4-Voice结合ASR-LLM-TTS-THG技术，实现低延迟和音色克隆。用户可选择端到端或级联系统，享受3秒首包延迟的优势。项目支持本地部署和多种推理方式，结合FunASR、Qwen和MuseTalk技术，提升视频和语音合成稳定性。该系统为开发者提供灵活高效的语音对话解决方案。
视频聊天项目是一个先进的实时语音交互数字人平台，专为实现交互式的数字人交流而设计。该项目提供两种语音生成方案：端到端的语音方案（GLM-4-Voice - THG）和级联方案（ASR-LLM-TTS-THG），这两种方案都具有独特的技术优势和灵活的应用场景。
用户可以通过该平台自定义数字人的形象与音色，甚至可以使用音色克隆功能，实现个性化的语音互动体验。该平台的首包延迟非常低，级联方案仅需约3秒，确保用户获得流畅的交互体验。
在技术选择方面，视频聊天项目采用了多种最新的技术，包括自动语音识别（ASR）、大语言模型（LLM）、多模态大语言模型（MLLM），以及文本转语音（TTS）和人脸生成（THG）等，每一个技术模块都是经过精心挑选和优化，以确保平台的稳定性和高效性。
项目的本地部署需要一定的硬件支持，例如，对于级联方案需要约8G显存，端到端语音方案则需要约20G显存。此外，本地运行环境要求使用Ubuntu 22.04和Python 3.10，以及相关的CUDA和PyTorch配置，以便充分发挥硬件性能。
在权重文件的管理上，项目提供了两种下载方式，用户可以选择创空间下载以获得更佳的下载体验，或者根据具体需求手动下载相关文件。
为了满足不同用户的需求，项目在LLM和TTS模块中提供了多种推理方式。如果用户机器性能有限，还可以使用API调用的方式，通过阿里云的大模型服务平台获取支持。同时，项目也提供本地推理方式，用户可以通过Qwen和vLLM技术实现高效的运行。
项目启动和自定义数字人的使用十分方便，用户仅需要按步骤设置好开发环境，下载合适的权重文件，并在启动应用程序后，便可以开始体验和使用自定义的数字人形象，打造属于自己的独特互动体验。
该项目为那些希望在 数字人交互领域探索和实践的开发者们提供了一个创新平台，结合最新的AI技术，赋予用户极大的自由度和创意空间。
编辑推荐精选
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发 者更轻松地利用 OpenAI 的技术优势。
Hunyuan3D-2
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。
3FS
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号