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
- Galaxy S26 纯端侧跑 MiniMax H3：7 分钟生成 5 秒带音频视频 — BidFunny4862 · 2026-10-27
- Unconventional AI 收购 NeuReality,冲刺算力效率提升 1000 倍 — NaveenGRao · 2026-10-27
- 马斯克断言:机器人 RAM 需求将超其他一切,超级智能算力将移向深空 — elonmusk · 2026-10-27
- RTX 5090 卖到 7000 美元，PC 游戏社区集体否认 AI 热潮 — PAstynome · 2026-10-27
- Wan2GP 上架 Pinokio：6GB 显存一键跑 AI 视频生成 — cocktailpeanut · 2026-10-27
- AWS 详解 Agent 提示缓存：显式+隐式双模式省下重复 token 账单 — AWS ML Blog · 2026-10-27