全开源实时语音数字人管线
victormustar · x · 2026-07-03
开发者victormustar分享了一条全开源实时语音数字人管线:Silero VAD做语音活动检测、Parakeet做语音识别、Gemma 4 31B(运行在Cerebras上以实现快速回复)负责对话、Qwen3-TTS做语音合成,通过原生WebSocket传输PCM音频;数字人形象与口型同步使用TalkingHead与HeadAudio项目。整套方案全部基于开放模型。
「Infra」频道最新
- WSJ：英伟达商谈为 OpenAI 数据中心计划提供约 2500 亿美元背书 — KateClarkTweets · 2026-07-27
- YC 演讲谈 BCI × AI：真正决定速度的是基础设施 — garrytan · 2026-07-27
- 13B 模型靠 SSD 分页在无独显电脑上离线跑通 — ID_R_McGregor · 2026-07-27
- llama.cpp 提醒：旧版 GGUF 在新改动后必须重生成 — EconomySerious · 2026-07-27
- 5090 本地测试：80k 上下文下 Qwen Q6 速度掉到 15 tok/s — LFAdvice7984 · 2026-07-27
- Ubuntu 部署惊艳实测：5090 显卡成最易配置的 AI 设备 — _xjdr · 2026-07-27