跳至内容
文档
商用版

商用版

7. 商用版

微信：wxwubug 备注需求
Email: lipku@foxmail.com
Telegram: https://t.me/livetalking
商用版体验地址: https://livetalking.top/

功能总对比表

能力维度开源版商用版
数字人模型
wav2lip 口型模型✅✅
musetalk 口型模型✅✅
ultralight 轻量模型✅✅
wav2lipls 高画质口型模型❌✅
实时视频源驱动（摄像头/视频输入）❌✅
音频特征
Mel / Whisper / HuBERT 特征✅✅
推理性能
TensorRT 推理加速❌✅（wav2lipls 支持）
Ascend NPU 支持❌✅
avatar 缓存管理（LRU 淘汰，保护活跃会话）❌✅
推流 / 输出
WebRTC 输出✅✅
RTMP / RTCPush / 虚拟摄像头✅✅
LiveKit 全双工音视频输出❌✅
实时音频流输入（WebSocket 流式推音）❌✅
TTS 语音合成
EdgeTTS / GPT-SoVITS / Doubao / 腾讯 / Azure / Qwen 等✅✅
阿里云 CosyVoice TTS❌✅
TTS 试听功能❌✅
TTS 增强参数（音量/语速/音调/指令/模型）❌✅
流式 TTS 忙闲标志（消除 chunk 间隙误判静音、画面闪烁）❌✅
自适应动作 / 会话
多并发会话✅✅
自适应动作切换（根据对话内容自动切换动作/形象）❌✅
会话级动态参数（每连接可配模型/配置）❌✅
前端 / 客户端
浏览器静态页面（基础连接、文本驱动、API 对接示例）✅✅
独立桌面客户端（Electron 应用，Windows/Mac 安装包）❌✅
实时语音对话 + 唤醒词打断（支持阿里云/腾讯云/FunASR 三种ASR）❌✅
透明背景/绿幕抠像（WebGL 实时抠像，可调相似度/平滑度/溢色）❌✅

更多详情请联系咨询

7.1 wav2lip升级版

对wav2lip网络结构做了升级优化；音频特征改为hubert；用lstm网络添加前后帧关联。 提供192和384模型以及接入livetalking代码

7.2 数字人功能

  1. 语音交互；提供同步字幕与数字人说话开始、结束事件通知；支持用唤醒词打断数字人说话
  2. vue客户端，支持背景透明，可以动态切换数字人背景
  3. 实时音频流输入，适用于从外部得到音频流（比如音频到音频的大模型）实时输入给数字人播报
  4. 动作切换，能在调用数字人说话时（human接口）同时指定一个动作，让数字人说话时做指定动作 效果演示

其他功能:

  1. python客户端
    独立视频窗口显示，提供python接口交互，适用于python项目集成如直播场景。效果演示
  2. 多数字人同时出镜
    同一个画面支持多个数字人对话，通过api指定每个数字人说话和对应音色，效果演示
  3. 摄像头驱动数字人动作和表情
    主播在摄像头前不用说话，可以做表情和动作，通过api驱动主播唇形同步
  4. 与livekit对接
    将数字人接入livekit中，效果演示

7.3 其他

  1. 数字人管理系统
    提供avatar形象、tts语音合成、动作编排的管理。
    用户菜单、api权限控制
  2. wav2lip升级版模型训练及微调代码和训练数据
  3. 数字人直播软件
虚拟摄像头使用FAQ