大家好，笔者
荒生
，今天调研了一款比较不错的开源项目
AI-Vtuber
，和大家一起分享。
AI-Vtuber
是一款数字人虚拟直播软件，聚合了多种多种市面主流大模型技术，可谓牛得一逼。包括：支持
ChatGPT
、
Claude
、
ChatGLM
、
智谱AI
、
文心一言
、
Google Bard
、
Google Gemini
等等一系列的 Chat 技术；支持
VITS
、
Bert-Vits2
、
VALL-E-X
、
OpenVoice
、
clone-voice
、
Edge-TTS
等多种的语音技术；同时也支持
So-Vits-SVC
、
DDSP-SVC
变声技术。
是不是感觉技术栈满当当的，这还没完。最让笔者感觉牛逼的还是对接了多种数字人平台，包含：
Live2D
、
Vtube Studio
、
UE5
、
EasyAIVtuber
。而且还支持一键接入多种国内外直播平台，像
B站
、
抖音
、
快手
、
小程序
、
YouTube
和近年来最火爆的
TikTok
。
此时此刻，有没有一点懵逼的感觉，老实说，其实笔者第一反应就是如此。
项目框架
如果大胆的想象一下，不妨将其称之为
互联网技术的终点就是 AI 数字人
。好了，笔者先带大家看看项目的整体架构吧
有没有很惊讶，
AI Vtuber
几乎能够模拟出人类肢体主要的特征。当然，笔者尝试了这些技术。整体来看，厂商接口效果肯定更好，开源算法目前只能做验证替代。但是，笔者坚信不久的将来，AI 智能虚拟人一定会完美实现。
上面，看完这个比较宏大的架构，我们也来简单分析下作者是如何实现的。
代码剖析
- config.json 配置文件
- api.py 接口主程序
- main.py GUI 界面主程序
- webui.py WEBUI 界面主程序
- utils 文件夹，Chat、T2ST、S2TT 和通用类相关功能的封装实现
- data 文件夹，存储数据文件、违禁词、文案等
- Live2D 文件夹，存储 Live2D 源码及模型
前端工程
整个项目以
webui.py
文件作为入口，使用
NiceGUI
这个 Python 框架为整个项目的编写 Web 前端。
后端工程
讲真，作者的后端工程整体就比较粗糙了，整个后端架构不是很合理。
后端工程主要包含：
api.py
接口代码、
main.py
界面代码、
config.json
全局配置代码。
整个项目都是基于各种算法接口直接的配合调用，代码相对简单。如果想自行尝试的同学，可以先本地部署需要的开源算法，然后通过
127.0.0.1
进行配置调用。针对厂商的商业 AI 服务，则需要先申请权限后才能使用。
针对对接第三方直播平台，作者主要采用了两种方式：
第三方 SDK
或
爬虫逆向
，具体如下：
- Bilibili：SDK（bilibili-api-python），具体地址：https://github.com/Nemo2011/bilibili-api)
- 抖音：websockets 接口 + protobuf2 协议方式
- 快手：https + websockets 接口 + protobuf2 协议方式
- 视频号：HTTP 回调方式
- 斗鱼：websockets 接口方式
- Youtube：SDK（pytchat），具体地址：https://github.com/EbenKouao/youtube-live-chat-fetch-python
- twitch：HTTP 方式
- Tiktok：SDK（TikTokLive），具体地址：https://github.com/isaackogan/TikTokLive
做个小结
好了，以上就是整个技术就是介绍，笔者做个小结：
- 作者以当前的主流AI技术为复合基础，搭建了一个技术全面，脉络清晰的数字人平台，梳理好了当前的技术栈。但是采用的技术较通用，相对比较简单。
- 整个项目单点架构，用作本地验证可以，如果落地生产，则需要做一个较大的重构。比如：代码框架优化；内存队列改远程分布式队列；内存/文件存储改远程缓存/对象存储；算法使用懒加载机制；Chat 接口支持
Stream机制。
以上就是本期的全部内容，笔者
荒生
，谢谢大家的观看，
点赞
、
评论
、
加关注
笔者也值得拥有。下面是一些项目链接，大家可以自行查阅，或者
私信笔者
留言询问。
标签：
人工智能
本文转载自: https://blog.csdn.net/yaozaiyuanfang/article/details/136608737
版权归原作者 程序员荒生 所有， 如有侵权，请联系我们删除。
版权归原作者 程序员荒生 所有， 如有侵权，请联系我们删除。