实时语音交互数字人项目：支持端到端语音方案与音色克隆功能，实时语音交互的数字人，支持多种语音方案，包括GLM-4-Voice和ASR-LLM-TTS

本文更新于: 2024年11月14日

APP喵前言：大家好，我是阿喵！今天想和大家分享一个非常酷的项目——实时语音交互数字人。这个项目不仅支持端到端的语音解决方案，还能实现音色克隆，用户可以自定义数字人的形象和声音，操作起来简单方便，适合对语音交互感兴趣的开发者和研究者。

项目简介

该项目实现了一个实时语音交互的数字人，支持多种语音方案，包括GLM-4-Voice和ASR-LLM-TTS。用户可以根据需求自定义数字人的外观和声音，而无需进行训练，音色克隆功能让用户能够轻松创建个性化的语音体验。初始加载延迟低至3秒，适合各种应用场景。

截图

特色

• 端到端语音解决方案：支持GLM-4-Voice及级联方案（ASR-LLM-TTS）。
• 可自定义形象与音色：用户可根据需求自由设置数字人的外观和声音。
• 音色克隆支持：通过上传参考音频生成个性化语音。
• 低延迟响应：首包延迟仅为3秒，提升用户体验。
• 无需训练：简化使用流程，适合快速部署和开发。
• 多种技术选型：集成ASR、LLM、TTS等模块，灵活应对不同需求。

项目地址

https://github.com/Henry-23/VideoChat