产品库

实时语音交互数字人，支持端到端语音方案

VideoChat是一个实时语音交互数字人项目，支持端到端语音方案（GLM-4-Voice - THG）和级联方案（ASR-LLM-TTS-THG）。用户可以自定义数字人的形象和音色，支持音色克隆，无需训练，首包延迟低至3秒。该项目利用了最新的人工智能技术，包括自动语音识别（ASR）、大型语言模型（LLM）、端到端多模态大型语言模型（MLLM）、文本到语音（TTS）和说话头生成（THG），为用户提供了一个高度定制化和低延迟的交互体验。

云原生企业虚拟化平台，低成本、自主完成元宇宙内容定义与发布。

MetaMaker是一个云原生企业虚拟化平台，它通过提供通用智能数字人、全栈虚拟化技术和云原生创作工具，帮助用户低成本、自主地完成元宇宙内容的定义与发布。该平台的主要优点包括千人千面的个性化数字人、AI驱动的三维重建技术、情感化播报以及在线创作等。MetaMaker的背景信息显示，它是由厦门黑镜科技有限公司开发的，旨在推动数字经济和文化发展，同时提供企业虚拟化转型的全方位解决方案。产品定位于帮助企业提升效率和创新能力，目前尚未提供具体价格信息。

轻量级图片数字人驱动算法，快速定制AI伙伴

MiniMates是一款轻量级的图片数字人驱动算法，能够在普通电脑上实时运行，支持语音驱动和表情驱动两种模式。它比市面上的liveportrait、EchoMimic、MuseTalk等算法快10-100倍，让用户能够通过极少的资源消耗定制自己的AI伙伴。该技术的主要优点包括极速体验、个性化定制以及嵌入终端的能力，摆脱了对Python和CUDA的依赖。MiniMates遵循MIT协议，适用于需要快速、高效的人脸动画和语音合成的应用场景。

超轻量级数字人模型，移动端实时运行

Ultralight-Digital-Human是一个超轻量级的数字人模型，可以在移动端实时运行。这个模型是开源的，据开发者所知，它是第一个如此轻量级的开源数字人模型。该模型的主要优点包括轻量级设计，适合移动端部署，以及实时运行的能力。它的背后是深度学习技术，特别是在人脸合成和声音模拟方面的应用，这使得数字人模型能够以较低的资源消耗实现高质量的表现。产品目前是免费的，主要面向技术爱好者和开发者。

开源数字人课程制作平台

easegen-admin是一个开源的数字人课程制作平台，旨在通过开源为AI发展做出贡献。该平台前端基于Vue3 + element-plus实现，后端基于ruoyi-vue-pro实现，智能课件基于文多多实现。它提供了课程制作页面、我的视频页面、智能课件页面以及智能出题页面，支持视频展示和智能出题，是一个综合性的教育技术产品。

将音频流转换为面部表情，实现实时唇形同步和面部表演。

Audio-to-Face 是 NVIDIA NIM 提供的一项技术，能够将音频流实时转换为面部表情，用于唇形同步和面部表演。这项技术主要应用于数字人领域，通过先进的机器学习算法，实现高度逼真的面部动作生成。它不仅能够提升数字人物的自然度和真实感，还能够在游戏、电影制作、虚拟现实等领域提供强大的支持。

数字人模型，支持生成普通话视频

JoyHallo是一个数字人模型，专为普通话视频生成而设计。它通过收集来自京东健康国际有限公司员工的29小时普通话视频，创建了jdh-Hallo数据集。该数据集覆盖了不同年龄和说话风格，包括对话和专业医疗话题。JoyHallo模型采用中国wav2vec2模型进行音频特征嵌入，并提出了一种半解耦结构来捕捉唇部、表情和姿态特征之间的相互关系，提高了信息利用效率，并加快了推理速度14.3%。此外，JoyHallo在生成英语视频方面也表现出色，展现了卓越的跨语言生成能力。

低延迟的实时语音交互API

Realtime API 是 OpenAI 推出的一款低延迟语音交互API，它允许开发者在应用程序中构建快速的语音到语音体验。该API支持自然语音到语音对话，并可处理中断，类似于ChatGPT的高级语音模式。它通过WebSocket连接，支持功能调用，使得语音助手能够响应用户请求，触发动作或引入新上下文。该API的推出，意味着开发者不再需要组合多个模型来构建语音体验，而是可以通过单一API调用实现自然对话体验。

快速AI推理，为开源模型提供即时智能。

Groq是一家提供高性能AI芯片和云服务的公司，专注于为AI模型提供超低延迟的推理服务。其产品GroqCloud™自2024年2月推出以来，已经有超过467,000名开发者使用。Groq的AI芯片技术由Meta的首席AI科学家Yann LeCun提供技术支持，并且获得了BlackRock领投的6.4亿美元融资，公司估值达到28亿美元。Groq的技术优势在于其能够无缝地从其他提供商迁移到Groq，仅需更改三行代码，并且与OpenAI的端点兼容。Groq的AI芯片旨在挑战Nvidia在AI芯片市场的领导地位，为开发者和企业提供更快、更高效的AI推理解决方案。

低延迟、高质量的端到端语音交互模型

LLaMA-Omni是一个基于Llama-3.1-8B-Instruct构建的低延迟、高质量的端到端语音交互模型，旨在实现GPT-4o级别的语音能力。该模型支持低延迟的语音交互，能够同时生成文本和语音响应。它在不到3天的时间内使用仅4个GPU完成训练，展示了其高效的训练能力。

打造有温度的数字人，注入灵魂。

awesome-digital-human-live2d 是一个开源项目，旨在创建具有交互性的数字人物模型。它支持Docker快速部署，集成了Dify服务，支持ASR、LLM、TTS、Agent等模块化扩展，并且可以控制Live2d人物模型。该项目通过模块化设计，简化了数字人的创建过程，使得开发者能够更专注于个性化和创新。

数字孪生视频对话平台

Tavus Conversational Video Interface (CVI) 是一个创新的视频对话平台，它通过数字孪生技术提供面对面的互动体验。该平台具备低延迟（少于一秒）的即时响应能力，结合先进的语音识别、视觉处理和对话意识，为用户提供丰富、自然的对话体验。平台易于部署和扩展，支持自定义LLM或TTS，适用于多种行业和场景。

全本地AI语音聊天工具，低延迟，高效率。

voicechat2是一个基于WebSocket的快速、完全本地化的AI语音聊天应用程序，使用户能够在本地环境中实现语音到语音的即时通讯。它利用了AMD RDNA3显卡和Faster Whisper技术，显著降低了语音通讯的延迟，提高了通讯效率。该产品适用于需要快速响应和实时通讯的开发者和技术人员。

实时交互流式数字人技术，实现音视频同步对话。

metahuman-stream是一个开源的实时交互数字人模型项目，它通过先进的技术实现数字人与用户的音视频同步对话，具有商业应用潜力。该项目支持多种数字人模型，包括ernerf、musetalk、wav2lip等，并且具有声音克隆、数字人说话被打断、全身视频拼接等功能。

AIGC智能体数字人口播视频智创平台

元乙智创是浙江元乙智能科技有限公司推出的AIGC智能体数字人口播视频智创平台。该平台专注于数字人产品的落地与技术开发，提供一站式的数字人口播视频创作服务。通过前沿技术支撑，用户可以快速生成专属数字分身，实现文化传播、教育、电商、文旅等多个领域的应用。平台的核心优势在于高仿真、高效率的克隆形体、语音和姿态，支持多语种、多格式、多分辨率和API集成，满足不同行业的需求。

多语种语音理解模型，提供高精度语音识别与情感识别。

SenseVoice是一个包含自动语音识别(ASR)、语音语言识别(LID)、语音情感识别(SER)和音频事件检测(AED)等多语音理解能力的语音基础模型。它专注于高精度多语种语音识别、语音情感识别和音频事件检测，支持超过50种语言，识别性能超越Whisper模型。模型采用非自回归端到端框架，推理延迟极低，是实时语音处理的理想选择。

智能卖货主播大模型，提升销售效率，增强购物体验。

Streamer-Sales 销冠是一个基于大语言模型的智能卖货主播系统，它能够根据商品特点从激发用户购买意愿的角度出发进行商品解说。该模型在 InternLM2 的基础上通过指令微调而来，集成了 LMDeploy 加速推理，支持 ASR 语音生成文字，RAG 检索增强生成，Agent 网络查询等功能，并通过 TTS 技术生成带有感情的语音，最终生成主播数字人视频，为商品解说提供全方位的技术支持。

AI数字人智能交互平台

DUIX是一个开源的AI数字人智能交互平台，由硅基智能打造。它允许开发者接入多种大模型和语音能力，实现数字人实时交互，并支持在Android和iOS多终端一键部署。DUIX适用于多种场景，包括地铁、银行、政务等，具有低成本快速部署、小网络依赖和功能多样化的特点。

低延迟语音模型，生成逼真语音

Sonic是由Carteisa团队开发的低延迟语音模型，旨在为各种设备提供逼真的语音生成能力。该模型利用了创新的状态空间模型架构，以实现高分辨率音频和视频的高效、低延迟生成。Sonic模型的延迟仅为135毫秒，是同类模型中最快的。Carteisa团队专注于优化智能的效率，使它更快、更便宜、更易于访问。Sonic模型的发布，标志着实时对话式AI和长期记忆的计算平台的初步进展，预示着未来AI在实时游戏、客户支持等领域的新体验。

提供虚拟数字人定制、AI 短视频内容生产和数字人直播的智能化 IP 打造平台。

风平 IP 智造平台是基于 AIGC 的智能化 IP 打造平台，致力于提供虚拟数字人定制、AI 短视频内容生产和数字人直播的一站式解决方案。通过结合领先的 AI 技术，平台实现了数字人的高质量生产和互动能力，为用户打造全新的数字人 IP 体验。

AI 数字人视频创作平台

蝉镜是一个在线数字人视频创作平台，利用 AI 简化视频创作过程，提供 AI 数字人播报、短视频制作、分身定制等服务。广告营销、跨境电商、短视频口播等领域的用户可以在此提升创作效率、降低成本。

基于AI技术的数字人虚拟形象,面向多场景应用

百度智能云曦灵是一款基于领先的数字人和人工智能技术的产品,可面向视频、直播、交互等全场景应用。它利用AI算法赋予数字人逼真的动作表情,能生成高质量视频内容,提供自然的对话交互体验。主要功能包括一键直播、一句话生成视频、配置数字人智能体等。产品优势在于开播效率高、投资回报率高、无需专业团队即可使用。定位为面向企业客户提供数字人和AI内容智能化升级服务。

基于Carrot AI大模型的智能体交互平台

Gnomic智能体平台基于汇智智能自主研发的Carrot AI大模型和专利的"数字生命"技术，致力于提供最先进的人工智能交互体验。面向企业、协会、组织等各类型B端用户，提供深度定制化的智能体解决方案。该平台的Carrot AI大模型能够轻松实现爆款文案、信息检索、创意绘图等功能，帮助用户告别昂贵的学习成本，高效提升学习和工作效率。

基于AI驱动的数字人生成平台

DreamAvatar是一个基于人工智能技术的数字人生成平台,能够通过简单的文本描述或素材上传快速生成高质量的数字人形象,还支持自定义调整数字人的各种特征。该平台具有操作简单、生成效果逼真的优势,可以广泛应用于数字营销、虚拟主播、直播电商、游戏、动画等领域,为客户提供精准的数字人服务。

数字人定制与克隆服务

奇妙元提供真人形象克隆、声音克隆、3D 数字人定制和 IP 活化等超前沿的克隆与定制服务。通过高质量数据输入和迭代克隆模型，实现高清还原真人形象。用户可使用真人形象克隆终身，通过输入文字使数字人说话，表情神态可比真人。此外，奇妙元还提供数字人视频制作、直播会员和定制服务等功能。数字人视频制作可一键将文本转为视频，无需繁琐拍摄；直播会员可选择真人数字人或 3D 数字人进行直播，为用户挣钱；定制服务可根据用户需求定制数字人形象。奇妙元的产品广泛应用于 20 多个行业，500 多个客户已经受益于数字人定制与克隆服务。

数字人短视频营销神器

万兴播爆是 A 股上市公司万兴科技旗下的 AIGC 产品，为您提供 AI 数字人定制服务。只需简单输入关键词，即可轻松生成真人营销视频。万兴播爆拥有上百套专业级模板，涵盖各种场景视频需求，是您出海视频营销的一站式神器。它支持 AI 智能脚本生成，文本转语音，拥有 150 + 免版权多国籍数字人，120 + 标准语言声音，180 + 专业级模板，免版权音乐资源库，海量视频创作素材，1080P 高清视频导出等功能。万兴播爆可广泛应用于家居生活、企业宣传、打折促销、美妆护肤、产品介绍等场景。