赞
踩
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。
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。
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。
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:
好了,以上就是整个技术就是介绍,笔者做个小结:
Stream
机制。由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。