LiveTalking
实时交互的流式数字人引擎：输入文字或音频，数字人对口型说话，画面推到浏览器或直播平台。
适不适合你的团队
- 可以考虑
- 有一块 RTX 3060 以上的显卡，也有人能配 Python 和 CUDA 环境，想让数字人按输入的文字或音频对口型，把画面推到浏览器或直播平台。
- 另找别的
- 要开箱就能语音对话、能用唤醒词打断：这些在付费的商用版里，价格要联系作者。发到 B 站、视频号、抖音的视频不想带 LiveTalking 的水印和标识，也别选。
- 让不让商用
- 可以商用，视频要带水印
Apache-2.0，可以商用和二次开发。README 另有一条声明：基于它做的视频发到 B 站、视频号、抖音这些平台，要带上 LiveTalking 的水印和标识。
- 有没有人维护
- 在更新
最近一次推送是 2026-10-09，仓库没有归档。
- 好不好装
- 中等
官方测试环境是 Ubuntu 22.04、Python 3.12、CUDA 12.8。步骤是装依赖、从网盘下载模型、一条命令启动。官方的常见问题页列了十二条安装报错，多数是依赖版本冲突。另有 Windows 整合包和云上的现成镜像。
- 要花多少钱
- 要一块显卡
软件免费，钱花在显卡上。官方给的数字：wav2lip 模型推荐 RTX 3060 以上，musetalk 模型推荐 RTX 3080Ti 以上。同时说话的路数取决于显卡，不说话时的路数取决于 CPU。
- 还要另外准备什么
- 显卡、语音合成，对话还要大模型和语音识别
显卡必须有。语音合成可以用免费的 EdgeTTS，也可以自己搭 GPT-SoVITS 或 CosyVoice，或者用腾讯云的接口（要 API key）。要让它自己对话，再接一个大模型，支持通义千问和 OpenAI 兼容的接口（要 API key）。要用语音提问，还得有一个 FunASR 识别服务，或者用浏览器自带的识别。服务器要开放 TCP 8010 端口和 UDP 端口。
- 要留神
- 语音输入要自己搭识别服务
开源版带语音输入的页面，但识别要自己解决：搭一个 FunASR 服务，或者用浏览器自带的语音识别。唤醒词打断、全双工对话，以及现成的云端语音识别接入在付费的商用版里，价格文档没写，要联系作者。
最近核对：。
如果你更看重别的
没有你的行业？
告诉我行业和想解决的事，下一个就评估它。