VideoChat 是什么
VideoChat 被介绍为一个实时语音交互数字人项目,支持端到端语音方案与级联方案,技术上用到了 ASR、LLM、MLLM、TTS 与 THG。
你可以用它做什么
- 无需训练即可自定义数字人形象与音色
- 为数字人克隆音色
- 选用端到端语音方案或级联方案
- 通过在线 demo 体验实时交互
应用场景
- 提供 24 小时客户咨询的在线客服
- 用于新闻播报与娱乐节目的虚拟主播
- 在教育领域辅助教学的虚拟教师
上手流程
- 用 git clone 克隆项目代码到本地
- 按项目要求配置 Ubuntu 系统、Python 与 CUDA 版本
- 用 pip install 安装 requirements.txt 中的依赖
- 按指南下载所需的权重文件
优点与缺点
✓ 我们认可的地方
- 形象与音色可自定义且无需训练
- 提供在线 demo 供实时体验
! 需要留意的地方
- 环境配置需要指定 Ubuntu、Python 与 CUDA 版本
- 权重文件需要按指南下载
常见问题
支持哪些语音方案?
资料列出端到端语音方案(GLM-4-Voice - THG)与级联方案(ASR-LLM-TTS-THG)。
换音色需要训练吗?
资料说明形象与音色可自定义且无需训练,并支持音色克隆。
最后评测: 2026-11-15