%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20none;%20}%20.st1%20{%20fill:%20%235ce6cf;%20}%20.st2%20{%20fill:%20%230080ff;%20}%20.st3%20{%20clip-path:%20url(%23clippath);%20}%20%3c/style%3e%3cclipPath%20id='clippath'%3e%3crect%20class='st0'%20y='0'%20width='120'%20height='32'/%3e%3c/clipPath%3e%3c/defs%3e%3cg%20class='st3'%3e%3cg%3e%3cpath%20class='st1'%20d='M22.4,32H3.2c-1,0-2-.5-2.6-1.4-.6-.9-.7-2-.4-2.9L9.8,2.1C10.3.8,11.5,0,12.8,0s2.5.8,3,2.1l9.6,25.6c.4,1,.2,2.1-.4,2.9-.6.9-1.6,1.4-2.6,1.4ZM7.8,25.6h10l-5-13.3-5,13.3Z'/%3e%3cpath%20class='st2'%20d='M33.6,32c-1.3,0-2.5-.8-3-2.1L21,4.3c-.6-1.7.2-3.5,1.9-4.1,1.7-.6,3.5.2,4.1,1.9l9.6,25.6c.6,1.7-.2,3.5-1.9,4.1-.4.1-.8.2-1.1.2h0Z'/%3e%3cpath%20d='M71.8,9.1h-6.9v4.6h6.9c2.5,0,4.6,2,4.6,4.6h-6.9c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h2.3c1.7,0,3.2-.4,4.6-1.2v1.2h4.6v-13.7c0-5-4.1-9.1-9.1-9.1h0ZM71.8,27.4h-2.3c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h6.9c0,2.5-2,4.6-4.6,4.6h0Z'/%3e%3cpath%20d='M52.3,9.1h-4.6V0h-4.6V32h9.1c5,0,9.1-4.1,9.1-9.1v-4.6c0-5.1-4.1-9.1-9.1-9.1h0ZM56.9,22.9c0,2.5-2,4.6-4.6,4.6h-4.6v-13.7h4.6c2.5,0,4.6,2,4.6,4.6v4.6h0Z'/%3e%3cpath%20d='M110.9,13.7h9.1v-4.6h-9.1c-5.1,0-9.1,4.1-9.1,9.1v4.6c0,5.1,4.1,9.1,9.1,9.1h9.1v-4.6h-9.1c-2.5,0-4.6-2-4.6-4.6h13.7v-4.6h-13.7c0-2.5,2-4.6,4.6-4.6h0Z'/%3e%3cpath%20d='M93.6,18.3h-4.6c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h10.3v-4.6h-10.3c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h4.6c1.3,0,2.3,1,2.3,2.3s-1,2.3-2.3,2.3h-10.3v4.6h10.3c3.8,0,6.9-3.1,6.9-6.9s-3.1-6.9-6.9-6.9Z'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
简介
VideoChat是一个实时语音交互数字人项目，支持端到端语音方案（GLM-4-Voice - THG）和级联方案（ASR-LLM-TTS-THG）。用户可以自定义数字人的形象和音色，支持音色克隆，无需训练，首包延迟低至3秒。该项目利用了最新的人工智能技术，包括自动语音识别（ASR）、大型语言模型（LLM）、端到端多模态大型语言模型（MLLM）、文本到语音（TTS）和说话头生成（THG），为用户提供了一个高度定制化和低延迟的交互体验。
截图
产品特色
支持端到端语音方案（GLM-4-Voice - THG）和级联方案（ASR-LLM-TTS-THG）
自定义数字人形象与音色，无需训练
支持音色克隆功能
首包延迟低至3秒
在线demo提供实时体验
技术选型包括ASR、LLM、MLLM、TTS和THG
提供本地部署指南和API-KEY配置
使用教程
1. 克隆项目代码到本地：使用git clone命令克隆项目代码
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%230080ff;%20}%20%3c/style%3e%3c/defs%3e%3cpath%20class='st0'%20d='M16.2,11.1c.4.5.4,1.2,0,1.8l-4.7,7.1h-3.8l5.3-8L7.6,4h3.8l4.7,7.1Z'/%3e%3c/svg%3e)
2. 环境配置：根据项目要求配置Ubuntu系统、Python版本和CUDA版本
3. 安装依赖：使用pip install命令安装requirements.txt中的依赖
4. 下载权重文件：根据指南下载所需的权重文件
5. 配置API-KEY：如果需要使用API服务，按照指南配置API-KEY
6. 启动服务：运行python app.py启动服务
7. 使用自定义数字人：根据指南添加自定义数字人形象和音色
8. 测试和优化：运行服务后进行测试，并根据需要进行优化
流量来源
| 直接访问 | 51.61% | 外链引荐 | 33.46% | 邮件 | 0.04% |
| 自然搜索 | 12.58% | 社交媒体 | 2.19% | 展示广告 | 0.11% |
最新流量情况
月访问量
4.92m
平均访问时长
393.01
每次访问页数
6.11
跳出率
36.20%
总流量趋势图
地理流量分布情况
美国
19.34%
中国
13.25%
印度
9.32%
俄罗斯
4.28%
德国
3.63%
地理流量分布全球图
同类开源产品
Spillmate
Spillmate是一个AI聊天机器人，专注于为年轻成年人、学生和专业人士提供压力和心理健康管理支持。
聊天机器人#认知行为疗法
1stroke
1Stroke是一款AI助手，能在网页任何文本框中生成有意义的回复，加快沟通速度。
聊天机器人#智能回复
Hive Chat
HiveChat 是一款专为中小型团队打造的 AI 聊天应用，支持多用户模式及权限管理，方便团队在协作中高效利用 AI 技术。
聊天机器人#团队协作
Puretalk.ai
Puretalk AI®提供智能响应式AI平台，从语音代理到聊天机器人，实现人类般流畅对话，提升满意度和简化运营。
聊天机器人#智能对话
Getbutton AI Chatbots For Websites
ChatGPT是一个基于网站内容训练的AI聊天机器人，可以24/7代表您与访客交流。
聊天机器人#客户服务
Brutalgpt
BrutalGPT是一个提供直言不讳反馈的AI对话平台，用户可以通过与AI对话获取产品构想或个人反馈。
聊天机器人#反馈
SELPHO
Selpho提供AI技术驱动的医疗保健解决方案，包括MediDoc AI Chatbot、Vision DocScanner和AI Physician Handbook。
聊天机器人#medical AI
Qwen3
优质新品
Qwen3是通义千问团队推出的最新大型语言模型，旨在通过强大的思考和快速响应能力，为用户提供高效、灵活的解决方案。
聊天机器人
Athenaiq
Athena IQ是一款智能问答系统，通过训练数据并快速部署聊天机器人，帮助企业提供快速准确的答案，节省时间和精力。
聊天机器人#自动化
替代品
Purechat
PureChat 是一款结合 AI 和前沿技术的现代聊天应用，采用 Vue3 和 ElementPlus 构建，内置 OpenAI、Ollama、DeepSeek 等大语言模型。
聊天机器人#AI
Taoavatar
TaoAvatar 是一种高保真、轻量级的 3D 高斯喷溅技术（3DGS）全身虚拟人头像，能够生成个性化的全身动态头像，广泛应用于增强现实等场景。
数字人#增强现实
Openchat
优质新品
OpenChat 是一个现代化的全栈 AI 聊天应用，采用 React 和 Cloudflare Workers 构建，结合 Connect RPC 实现高效通信，通过 Tauri 支持多平台客户端。
聊天机器人#聊天
Open Multi Agent Canvas
Open Multi-Agent Canvas 是一个基于 Next.js、LangGraph 和 CopilotKit 构建的开源多智能体聊天界面。
聊天机器人#开源
Liteavatar
LiteAvatar是一个音频驱动的实时2D头像生成模型，主要用于实时聊天场景。
聊天机器人#虚拟头像
Deephermes 3 Llama 3 8B Preview
DeepHermes 3 是 NousResearch 开发的先进语言模型，能够通过系统性推理提升回答准确性。
聊天机器人#推理
Hivechat
HiveChat是一款面向中小团队的AI聊天应用，支持多种主流AI模型，如Deepseek、Open AI、Claude和Gemini等。
聊天机器人#团队协作
Gemini Pro Chatbot
Gemini Pro Chatbot 是一款基于 Google Gemini Pro AI 模型开发的移动聊天应用。
聊天机器人#聊天
Deepseek Project
DeepSeek Project 是一个综合性技术项目，旨在通过集成 DeepSeek API 提供多种功能。
聊天机器人#聊天机器人
精选AI产品推荐
Nocode
中文精选
NoCode 是一款无需编程经验的平台，允许用户通过自然语言描述创意并快速生成应用，旨在降低开发门槛，让更多人能实现他们的创意。
开发平台#应用开发
912
Listenhub
优质新品
ListenHub 是一款轻量级的 AI 播客生成工具，支持中文和英语，基于前沿 AI 技术，能够快速生成用户感兴趣的播客内容。
音频生成#AI
348
Lovart
国外精选
Lovart 是一款革命性的 AI 设计代理，能够将创意提示转化为艺术作品，支持从故事板到品牌视觉的多种设计需求。
AI设计工具#创意工具
1,128
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理开源
564
Smart PDFs
国外精选
Smart PDFs 是一个在线工具，利用 AI 技术快速分析 PDF 文档，并生成简明扼要的总结。
文章摘要#AI
984
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。
视频编辑#视频处理开源
480
Anyvoice
AnyVoice是一款领先的AI声音生成器，采用先进的深度学习模型，将文本转换为与人类无法区分的自然语音。
音频生成#文本转语音
26.38k
Liblibai
中文精选
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。
AI模型#图像生成
344.42k