OpenAvatarChat

模块化的数字人对话系统：语音识别、大模型、语音合成、数字人形象四块都可以换。

适不适合你的团队

可以考虑: 想要一套能对话的数字人，语音识别、大模型、语音合成和形象都能自己换，也接受默认配置把大模型和语音合成交给阿里云百炼的接口。
另找别的: 要同时接很多路对话：LiteAvatar 支不支持多路并发，官方文档前后说法不一。商用前要求每个模型的许可都有定论的也先别选：SenseVoice 能不能商用，许可方还没有最终确认。

让不让商用

可以商用，有两个模型要留意

项目本身是 Apache-2.0。它用到的模型里，LiteAvatar 是 MIT，LAM 和 CosyVoice 是 Apache-2.0，MuseTalk 的代码是 MIT、README 写明训练好的模型可以商用。两处要留意：语音识别用的 SenseVoice，权重走的是 FunASR 模型协议，要求注明出处并保留模型名；协议第 3 条（责任与风险）写着模型“仅供参考和学习”，没有说这算不算限制商用。有人为这句话提了 issue：维护者答复过第 3 条是免责条款、可以商用，但 2026 年 9 月又注明这还不是许可方的最终确认，issue 到 2026-10-13 还开着。FlashHead 的模型包里有一个 Open-RAIL-M 许可的组件，只用 Pro 版本的话整套是 Apache-2.0。

许可证 MuseTalk 的许可说明 FunASR 模型协议 SenseVoice 许可的讨论 FlashHead 各组件的许可

有没有人维护

在更新

最近一次推送是 2026-07-31，仓库没有归档。

提交记录

好不好装

中等

要 Python 3.11，显卡驱动要支持 CUDA 12.8。用 uv 分三步：装依赖、下载模型、启动。也可以用 Docker，要先装 NVIDIA 的容器工具，启动后访问 https://localhost:8282 。

快速开始 Docker 部署

要花多少钱

显卡，或者按接口用量付费

软件免费。官方说 2D 形象对设备要求较低，数字人推理在 i9-13980HX 的 CPU 上能到 30 帧。语音识别、大模型、语音合成改走云端接口，可以大幅降低对机器的要求，换成按接口用量付费。具体要多少显存，文档没有给数字。