Open-LLM-VTuber：一个开源的具有手势和语音交互功能的AI虚拟形象

Open-LLM-VTuber是什么？

Open-LLM-VTuber是一个开源的语音交互式 ai 虚拟形象，支持实时语音对话、视觉感知以及 Live2D 动画形象，并且可以完全离线运行。它支持 Windows、macOS 和 Linux 系统，并提供了丰富的功能和高度的可定制性。

Open-LLM-VTuber功能亮点

跨平台支持：支持 Windows、macOS 和 Linux 系统，适配英伟达和非英伟达 GPU，支持 CPU 运行或云 API 调用。

离线模式：完全离线运行，使用本地模型，确保隐私安全。

实时语音对话：支持免提语音交互，用户可以通过语音与虚拟主播进行自然流畅的交流。

视觉感知：能够捕捉用户的面部表情变化以及环境中的光线、色彩等动态信息。虚拟主播会根据感知数据作出动态反应，例如用户微笑时，虚拟主播也会回以笑容。

Live2D 虚拟形象： 使用 Live2D 技术，虚拟主播的表情和动作极为逼真，从细微的眨眼、挑眉到肢体摆动都栩栩如生。

长期记忆：轻松回顾过往对话，内置 Mem0、EVI 等多种记忆模块，还能通过简单接口快速接入自定义记忆系统。

高级交互功能：

支持视觉感知（摄像头、屏幕录制和截图）。

语音打断功能（无需耳机，AI 不会听到自己的声音）。

触摸反馈和 Live2D 表情支持。

宠物模式（透明背景、全局置顶、鼠标穿透）。

AI 主动说话、内心 OS 显示和聊天记录持久化。

广泛的模型支持：

大语言模型（LLM）：支持 Ollama、OpenAI、Gemini、Claude 等。

语音识别（ASR）：支持 sherpa-onnx、FunASR、Whisper 等。

语音合成（TTS）：支持 MeloTTS、Coqui-TTS、Edge TTS 等。

高度可定制：

支持导入自定义 Live2D 模型、修改 Prompt 和音色克隆。

模块化设计，通过简单的配置文件修改来切换各种功能模块。

Agent自由实现：继承并实现 Agent 接口，接入任何架构的 Agent，如 HumeAI EVI、OpenAI Her、Mem0 等。

Open-LLM-VTuber应用场景

直播互动：可以通过自定义虚拟主播形象用于娱乐直播，吸引观众并提供互动体验。

虚拟助手：作为个人虚拟助手，提供信息查询、日程管理等功能。

聊天伴侣：用户可以根据自己的需求打造专属的虚拟伴侣，如虚拟女友、男友或宠物。

创意内容创作：用于制作个性化视频、动画等。

Open-LLM-VTuber使用方法

1. 本地部署：

克隆项目代码并安装依赖。

配置 conf.yaml 文件，选择所需的 LLM、ASR 和 TTS 模型。

使用命令行工具（如 uv）运行项目。

2. 更新与卸载：

使用 uv run update.py 进行更新。

卸载时需清理项目文件夹及可能的缓存路径。

3. 客户端使用：

提供网页版和桌面客户端，支持窗口模式和桌宠模式。

支持多语言对话和 TTS 翻译。

Open-LLM-VTuber实现技术

语音识别（ASR）：支持多种开源和商业 ASR 引擎。

大语言模型（LLM）：支持多种主流 LLM，推理后端可灵活切换。

语音合成（TTS）：支持多种 TTS 技术，提供个性化语音合成。

Live2D 集成：使用 Live2D SDK 实现虚拟形象的动态渲染。

模块化设计：支持自定义模块扩展，方便开发者集成新的功能。

项目官网：https://docs.llmvtuber.com/

GitHub仓库地址：https://github.com/Open-LLM-VTuber/Open-LLM-VTuber