利益相关：作者本人。
过去几年一直在给一家数字人厂商做 OEM 。交付下来发现：让数字人开口说话只是第一步，真要给客户用，还得管形象、接知识库、发访问链接、控并发——这些市面上的开源方案大多是引流 demo ，缺得厉害。
所以自己从头写了一套 Mynah ，这次把引擎和控制台一起开源了，Apache-2.0 ，可以部署在自己的服务器上。
一张形象图、一条命令，跑起一个半身数字人。浏览器打开就能实时语音对话，支持插话打断。控制台里管理形象、音色和知识库，配好频道的访问权限和并发上限，发布成链接就行。
引擎按显卡选三档：- wav2lipLS：最省，6GB 显存能跑
- MuseTalk / FlashHead：单路，文档建议 12GB
- 本机没显卡：只跑核心服务和控制台，引擎扔到远程 GPU 机器上
v0.1.0 提供了 cored 三平台二进制和 Luna/Nova 形象预设包，Docker Compose 一把起。
仓库： https://github.com/honwee/mynah 文档： https://honwee.github.io/mynah/
老实说：这套是为交付场景写的，代码里 OEM 赶工的味道比较重，有些地方写得糙。欢迎 issue 和 PR ，尤其想听听做过实时音视频 / 数字人方向的 V 友拍砖。
Select Language