🗣️CyberVerse ：一个开源数字人 Agent 平台，支持一张照片生成可实时视频通话的 AI 角色

CyberVerse 数字人 Agent 不是普通的聊天机器人套壳，而是一个能让你和 AI 数字人“打视频电话”的开源框架。它把大语言模型（LLM）、语音识别、语音合成、头像模型和 WebRTC 视频流全部缝合在一起，把枯燥的文字聊天，升级成带画面、有声音、口型同步的实时交互。

以前想要做这种带脸的、能实时互动的数字人，往往只能按分钟给昂贵的云端 SaaS 平台交钱。CyberVerse 提供了一套可自托管的底层架构，但部分语音能力（如默认配置中的豆包 Voice）仍可能依赖第三方 API 服务，实际部署时需要根据你自己的模型、接口和许可条件进行配置。

但是，这不是一款面向普通用户的轻量工具。它对显卡算力、环境配置的要求都比较高，目前更像是给开发者、AI 产品团队和多模态交互研究者准备的技术原型，而不是一个低门槛的 SaaS 平替。

CyberVerse 数字人 Agent：从聊天框到实时视频通话

你随便去 GitHub 搜 AI 助手，大多都停留在文字互传阶段。CyberVerse 的核心区别在于它的实时流媒体通讯能力和组件化设计。

它的工作流大概是这样的：你上传一张照片生成数字人形象 → 你对着麦克风说话 → 语音识别后交给大模型思考 → 生成文字并转换为语音 → 驱动数字人产生对应的面部动画和口型 → 最后通过 WebRTC 技术把这套音视频流实时推送到你的网页端。

为了让这套系统跑通，它把各个模块做成了可替换的插件，你可以通过修改 YAML 配置文件，把里面的 LLM 或 TTS 换成你需要的服务。

部署情况：别光看开源免费，算力才是真正的成本

很多人看到“开源自托管”，第一反应是可以省钱。但如果你想把 CyberVerse 跑起来，真正的门槛在于较为复杂的开发环境，以及不低的 GPU 硬件成本。

在环境配置上，你需要同时搞定 Python 3.10 、Node 18 、Go 1.22 ，并且点名要求 CUDA 12.8 和 PyTorch 2.8。你需要分三个终端分别拉起 Python 推理服务、Go API 服务和前端。

最核心的瓶颈在显卡：它不是一张 RTX 4090 就能随便满血跑的。