CyberVerse

CyberVerse 是一套自托管的实时数字人 Agent 平台，核心任务是将「数字人形象」与「智能 Agent」组合成能视频通话的虚拟助手。你只需上传一张人脸照片，就可以得到一个口型同步、表情自然的数字人；背后则通过可替换的 LLM（兼容 OpenAI 协议）、TTS（GPT‑SoVITS、CosyVoice、Edge‑TTS）和 THG 模型（MuseTalk 等）驱动对话。这种架构把以往只能按脚本播放的数字人，变成了能理解上下文、调用工具、甚至接入知识库（RAG）的实时交互体。

它的突出优势是「实时感」：整个语音‑思考‑合成‑视频生成流水线被压缩到足够短，搭配 WebRTC 的 P2P 直连传输，延迟明显低于传统的 HTTP 流方案，让使用者感觉确实在视频通话。此外，项目完全开源，允许本地部署，数据不出域，对隐私和定制有较高要求的团队很友好。记忆、角色预设和多模型热插拔也让数字人能够保持人格一致性，而不仅是单次问答。

但要注意，这套系统的部署和运行门槛并不低。你需要自己准备 GPU 资源（尤其是使用本地模型进行数字人渲染时），并且要维护至少一条从 ASR 到 THG 的全链路服务。项目仍处于活跃迭代期，从作者周报中可以看出音画同步、空闲策略等问题还在逐步稳定，生产环境使用前需要充分测试。同时，如果接入商业大模型 API，还会产生持续费用。

因此，CyberVerse 更适合有自建能力的开发者、中小型团队和希望研究实时数字人技术的实验室。如果你只是想快速生成一段视频，它反而显得太「重」；如果你的业务需要可控、低延迟、可定制的虚拟人助手，它会是一个非常有潜力的开源基石。目前项目主要依靠社区认同和作者持续更新，样本和案例仍以 Demo 演示为主。