案例介绍
一款数字人智能对话系统，集成了大语言模型、自动语音识别、文本转语音和声音克隆等人工智能技术，通过Gradio平台提供交互式Web界面，支持用户上传图片与AI进行个性化对话。
核心功能模块包括：语音识别（ASR）支持Whisper、FunASR和OmniSenseVoice；文本转语音（TTS）集成Edge TTS和PaddleTTS；声音克隆支持GPT-SoVITS、XTTS和CosyVoice，其中GPT-SoVITS仅需1分钟语音数据即可克隆声音；数字人生成（THG）包含SadTalker、Wav2Lip、Wav2Lipv2、ER-NeRF和MuseTalk；大语言模型（LLM）集成了Linly-AI、Qwen、Gemini-Pro、ChatGPT、ChatGLM和GPT4Free等多种模型。
系统具备多模型集成能力，可实现多轮上下文连贯对话，支持实时语音识别和视频字幕功能，能生成逼真数字人头像提升沉浸体验。
支持通过脚本一键下载模型，可通过conda环境配置运行。最新发布的版本采用WebRTC实现低延迟音视频传输，支持全双工对话和打断功能，适合构建AI助手、数字人接待员和交互式导览等实时交互场景。
案例图片
相似案例推荐
其他人才的相似案例推荐
-
驭龙台开源大模型
DragonAI Engine 是一款轻量化、低成本、高规格
-
样本标注调整工具
样本标注调整工具是一个 Qt 6 / C++ / QML 桌
-
丹朱
丹朱智能政企问答SaaS平台 工作描述：2025/06-2
-
onnx-wakeword
1.整体架构自研：独立搭建整套离线唤醒词解决方案，包含自动化
-
听词
全程独立负责平台架构、网站前后端、自动化训练服务开发与服务器
-
AI 移动助手 HarmonyOS
AI 手机智能体（HarmonyOS 版） — 使用 Ark
-
2D数字人直播客服
o 设计双模块架构（SDK层+UI层），通过JNI桥接C++
-
掘⾦技术社区⽂章索引
本项目为Python开发的掘金技术社区文章索引爬虫工具，核心
-
智面宝典-基于多模态大模型智能求职系统
**项目描述：** "智面宝典"是基于D
-
桌面端软件授权管理工具
该工具为桌面端软件提供离线环境下的证书密钥生成、激活、授权与
-
手机
手机功耗优化 移动设备功耗优化 定制场景功耗优化和性能平
-
API健康检查面板
独立开发的轻量级 API 服务健康检查与运行状态展示工具，用
微信接收人才推送
关注猿急送微信平台，接收实时人才推送
