开源代码：Open-LLM-VTuber实现跟虚拟主播自然流畅的对话体验

最新推荐文章于 2025-03-29 09:50:10 发布

小天才学习机打游戏

最新推荐文章于 2025-03-29 09:50:10 发布

阅读量2.2k

点赞数 20

本文链接：https://blog.csdn.net/m0_59164520/article/details/141437518

版权

又收藏到一个开源的数字人对话项目。Open-LLM-VTuber，通过语音交互、面部表情捕捉和长期记忆功能，实现自然流畅的对话体验。

github:https://github.com/t41372/Open-LLM-VTuber

介绍

Open-LLM-VTuber 允许您使用 Live2D 说话脸在本地通过语音（免提）与任何 LLM 交谈。此项目可配置为在 macOS、Linux 和 Windows 上离线运行（）。

使用 MemGPT 的长期记忆可以配置为实现永久聊天、无限上下文长度和外部数据源。

演示视频使用 llama3 (Q4_0) 与 Ollama、edgeTTS 和 WhisperCPP 运行小模型的 coreML 版本。

它适用于 macOS

现有的很多解决方案都是通过 VTube Studio 展示 Live2D 模型，并通过将桌面内置音频导入 VTube Studio 并控制嘴唇来实现嘴唇同步。然而，在 macOS 上，没有简单的方法让 VTuber Studio 在桌面上收听内置音频。
很多现有的解决方案缺乏对 macOS 上 GPU 加速的支持，这导致它们在 mac 上的运行速度很慢。
该项目支持MemGPT实现永久聊天。聊天机器人会记住您说过的话。

基本目标

与 LLM 语音聊天
选择您自己的 LLM 后端
选择您自己的语音识别和文本转语音提供商
长期记忆
Live2D 前端

目标平台

macOS
Windows
Linux

实现的功能

与 LLM 语音交谈。离线。
聊天记录上的 RAG

目前支持的 LLM 后端

任何与 OpenAI-API 兼容的后端，例如 Ollama、Groq、LM Studio、OpenAI 等。
MemGPT（需要设置）

目前支持的语音识别后端

FunASR，支持SenseVoiceSmall等多种模型。(目前需要互联网连接才能加载。本地计算）
更快的耳语（本地）
Whisper-CPP使用 python 绑定pywhispercpp（本地，可配置 mac GPU 加速）
耳语（本地）
Azure 语音识别（需要 API 密钥）
默认情况下，将使用服务器终端中的麦克风。您可以更改设置MIC_IN_BROWSER，conf.yaml将麦克风（和语音激活检测）移至浏览器（目前以延迟为代价）。如果您在另一台机器上或在 VM 或 docker 内运行后端，您可能希望使用客户端（浏览器）上的麦克风，而不是服务器上的麦克风。

当前支持的文本到语音后端

py3-tts（本地，它使用系统默认的 TTS 引擎）
树皮（本地，非常耗费资源）
CosyVoice（本地，非常耗费资源）
Edge TTS（在线，无需 API 密钥）
Azure 文本转语音（在线，需要 API 密钥）

快速文本合成

句子一到达就进行合成，因此无需等待整个 LLM 答复。
多线程生产者-消费者模型：音频将在后台持续合成，每当有新音频准备就绪时，它们就会逐个播放。音频播放器不会阻塞音频合成器。

Live2D 会说话的脸

更改 Live2D 模型config.yaml（模型需要在 model_dict.json 中列出）
加载本地 Live2D 模型。查看doc/live2d.md文档。
使用 LLM 响应中的表情关键词来控制面部表情，因此无需额外的情绪检测模型。表情关键词会自动加载到系统提示中，并从语音合成输出中排除。

live2d 技术细节

使用guansss/pixi-live2d-display在浏览器中显示 live2d 模型
使用 WebSocket 控制服务器和前端之间的面部表情和谈话状态
所有必需的包均在本地可用，因此前端可以离线工作。
您可以从 URL 或本地存储在live2d-models目录中的模型加载 live2d 模型。默认模型shizuku-local存储在本地并可离线工作。如果 model_dict.json 中模型的 URL 属性是 URL 而不是以开头的路径/live2d-models，则每次打开前端时都需要从指定的 URL 获取它们。阅读doc/live2d.md有关从本地加载 live2D 模型的文档。
运行server.py运行WebSocket通信服务器，index.html在./static文件夹中打开打开前端，运行launch.py main.py运行 LLM/ASR/TTS 处理的后端。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述