1.选择技术

1.1.要求

支持本地化部署（最好对显卡没有特殊资源要求）

有比较成熟的SDK，能方便应用接入

1.2.AI初筛

特看：特看数字人丨AI 数字人直播系统丨AI 虚拟人直播解决方案 - 特看科技

腾讯：腾讯云智能数智人 SDK 接入整体介绍_腾讯云

Live2D:Cubism SDK Manual | SDK Manual | Live2D Manuals & Tutorials

初定方向：

2.AWESOME-DIGITAL

GitHub - wan-h/awesome-digital-human-live2d: Awesome Digital Human

缺陷：数字人形象不够真实，且不支持口型同步

3.腾讯智影

腾讯云渲染方案暂时也没有本地化部署方案，考虑端渲染H5 SDK接入方案

下载DEMO

启动服务：

报错：

反馈说未授权，联系客户体验授权，暂未回复

4.Live2D Cubism SDK

几种SDK差别：

可以自己生成数字人形象皮肤，软件使用有版权问题，生成形象属于个人。

4.1.网上找一个简单的demo跑一下

直接本地运行：

加载不出来，F12查看问题如下：

使用VSCODE运行index.html,下载一个插件

5.数字人应用多模块级联的技术方案

首先，使用语音识别（ASR）模块将用户输入的语音转为文本，然后将该文本输入大语言模型（LLM）模块生成相应的文本回复，文本转语音（TTS）模块会根据这部分文本内容进行语音合成，最后使用该语音驱动说话人生成（THG）模块，得到唇形同步的数字人说话视频，实现用户语音输入、数字人视频输出的对话效果。

参考文章：

开源数字人实时对话：形象可自定义，支持语音输入，对话首包延迟可低至3s｜已上线阿里ModelScope魔搭社区...-CSDN博客

Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局