ai-avatar-system

一张照片加一段声音,秒变会说话的数字人。

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 数字人3D 🍴 复刻 141 🐛 待处理 4 👀 关注 7
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 569
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源项目,MIT许可证,可自行部署,完全免费。

项目预览

ai-avatar-system 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类数字人3D
开发团队PunithVT
定价模式🏷️完全免费
价格说明开源项目,MIT许可证,可自行部署,完全免费。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言Python
技术栈/模型ai-avatar,avatar-ai,chatterbox-tts,claude-ai,digital-human,fastapi,generative-ai,lip-sync,llm,musetalk,nextjs,real-time,speech-to-text,talking-avatar,talking-head,text-to-speech,voice-agent,voice-cloning,websocket,whisper-ai
GitHub 星标★ 569
上线时间2025-11-30 00:00:00
代码更新2026-09-18
仓库体积2.7 MB
本站数据更新2026-11-09
维护状态维护中
收录时间2026-08-09
浏览次数25

项目介绍

开箱即用的 AI 数字人平台,上传一张照片、克隆一段声音,即可通过唇形同步视频与任意面孔实时对话。完全开源、支持自托管,基于 Claude、Whisper、Chatterbox 与 MuseTalk 构建。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 569

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:进阶 约 60 分钟 部署方式:本地部署 5 步

环境要求

  • NVIDIA 显卡
  • 容器环境
  • 模型权重

安装与启动步骤

  1. 1克隆

    照片生成数字人并实时对话的完整工程。

    git clone https://github.com/PunithVT/ai-avatar-system.git
  2. 2起基础服务

    数据库与依赖服务用容器起。

    docker compose up -d
  3. 3装后端依赖

    Python 侧单独装。

    pip install -r requirements.txt
  4. 4起后端

    先确认接口可用。

    uvicorn main:app --reload --port 8000
  5. 5起前端

    前端单独装并起。

    npm install

如何确认成功

上传一张人像并用五秒语音克隆音色后,能进行实时对话且口型与语音大致对齐

注意事项

  • 它把形象生成、语音克隆与对话串成一条链。
  • 口型驱动对显卡有要求,低配会卡。
  • 语音克隆要本人授权,别用他人素材。
  • 全链路延迟是体验的关键,逐段量。

核心亮点

  • 集成Claude、Whisper、Chatterbox与MuseTalk,实现从语音识别到唇形同步的完整数字人对话链路
  • 支持上传照片克隆形象,结合实时语音克隆与唇形同步,交互自然度高
  • 基于FastAPI和Next.js构建,前后端分离,便于二次开发与自托管部署

不足之处

  • 项目处于早期阶段(355星),功能完整性和稳定性有待验证
  • 依赖多个外部AI服务(Claude、Whisper等),部署配置复杂度较高
  • 文档/社区待观察

适用场景

  • 企业级虚拟客服或前台接待,提供拟人化交互体验
  • 在线教育虚拟讲师,实现个性化教学与实时互动
  • 社交媒体虚拟主播,低成本生成口型同步的短视频内容

替代项目

SadTalker、Wav2Lip、HeyGen

上一篇:ai-office

下一篇:ai-avatar-bot

同类项目推荐

Kiss3DGen 开源

用图像扩散模型直接生成3D资产,告别昂贵3D数据

[CVPR 2025] Official implementation of "Kiss3DGen: Repurposing Image Diffusion Model···

★ 297 2026-08-09
solidcraft 开源

纯 Rust 参数化 CAD,桌面网页都能建模,还能被 AI 自动驱动

SolidCraft: an open-source parametric 3D CAD application built in pure Rust. Desktop···

★ 15080 2026-10-20
float 开源

上传音频和照片,一键生成口型同步的逼真说话视频。

[ICCV 2025] Official Pytorch Implementation of FLOAT: Generative Motion Latent Flow ···

★ 497 2026-08-09
DreamCraft3D 开源

上传一张图,秒变可交互的高质量 3D 模型

[ICLR 2024] Official implementation of DreamCraft3D: Hierarchical 3D Generation with···

★ 3042 2026-08-09
fantasy-talking2 开源

上传音频和照片,生成唇形精准、表情自然的说话视频

[AAAI 2026] FantasyTalking2: Timestep-Layer Adaptive Preference Optimization for Aud···

★ 66 2026-08-09
IP_LAP 开源

上传一张照片和一段音频,生成身份保持的逼真说话视频

CVPR2023 talking face implementation for Identity-Preserving Talking Face Generation···

★ 732 2026-08-09
STAR 开源

输入文字,直接生成带骨骼动画的 4D 数字人,无需手动绑定

Official code for "STAR: Skeleton-aware Text-based 4D Avatar Generation with In-Netw···

★ 65 2026-08-09
GaussianCity 开源

一句话生成无边界3D城市,实时漫游

The official implementation of "GaussianCity: Generative Gaussian Splatting for Unbo···

★ 342 2026-08-09