本开源项目名为“数字人控制器”。意为，本项目可以充当时下流行的虚拟人、虚拟主播、数字人，等仿人形数字形象的内核部分。

使用UE、C4D、DAZ、LIVE2D等三维引擎软件开发的数字形象可以与本“数字人控制器”对接，从而实现虚拟主播、数字导游、数字助手等。我们提供UE4对接的demo，但我们更鼓励用户自行实现喜欢的数字形象。

当然，若不考虑外观形象的话，本“数字人控制器”其实也可以独立使用的，可以充当一个语音助理。NLP可以自由切换AIUI、ChatGPT及Yuan1.0。

目前最新版本是2.0。在新版本里我们提出一个全新的架构。在这个架构下每个人都可以把Fay控制器搭建在自己个人电脑上（未来，或许我们会提供终端），让你电脑成为你数字助理的载体。你的所有设备（手表、手机、眼镜、笔记本）随时可以与你的数字助理通讯，数字助理将通过电脑为你处理数字世界里的所有事情。（贾维斯？Her?） 

2023.02： 1、提供chatgpt及yuan1.0作为选择。

2023.01： 1、控制器pc内网穿透，音频输入输出设备远程直连； 2、提供android 音频输入输出工程示例代码； 3、提供python音频输入输出工程示例代码（远程PC、树莓派等可用）； 4、补传1.0语音指令音乐播放模块（暂不支持远程播放）； 5、重构及补充若干工具模块：websocket、多线程、缓冲器、音频流录制器等； 6、修复1.x版本的多个bug； 7、集成看板娘;

2022.12： 1、上传bin目录（用于直播互动）；

2022.11： 1、更新抖音直播获取粉丝互动数据的xpath;

2022.10.27： 1、更新mac上的麦克风参数； 2、解决mac上无法重启问题； 3、上传brew安装脚本。

2022.10.17： 1、更新语音指令； 2、补充人设语法；

语音指令

关闭核心 关闭 再见 你走吧

静音 静音 闭嘴 我想静静

取消静音 取消静音 你在哪呢？ 你可以说话了

播放歌曲（暂不能用需更换音乐库） 播放歌曲 播放音乐 唱首歌 放首歌 听音乐 你会唱歌吗？

暂停播放 暂停播放 别唱了 我不想听了

环境

Python 3.8.0 +

Chrome 浏览器 (若不开启直播功能，可跳过)

安装

安装依赖

pip install -r requirements.txt

配置 ChromeDriver (若不开启直播功能，可跳过)

Chrome 浏览器进入 chrome://settings/help 查看当前版本

下载对应版本 ChromeDriver

解压zip并拷贝至 ./bin 目录

编辑 system.conf 配置 ChromeDriver 路径

配置应用密钥

查看 AI 模块

浏览链接，注册并创建应用，将应用密钥填入 ./system.conf 中

启动

启动数字人图像控制器

python main.py

图形界面

人设

数字人属性，与用户交互中能做出相应的响应。

交互灵敏度

在交互中，数字人能感受用户的情感，并作出反应。最直的体现，就是语气的变化，如 开心/伤心/生气 等。

设置灵敏度，可改变用户情感对于数字人的影响程度。

接收来源

抖音

填入直播间地址，实现与直播间粉丝交互

麦克风

选择麦克风设备，实现面对面交互，成为你的伙伴

socket远程音频输入

可以接入远程音频输入，远程音频输出

商品栏

填入商品介绍，数字人将自动讲解商品。

当用户对商品有疑问时，数字人可自动跳转至对应商品并解答问题。

配合抖音接收来源，实现直播间自动带货。

AI 模块

启动前需填入应用密钥system.conf

代码模块 描述 链接

./ai_module/ali_nls.py 阿里云 实时语音识别 实时语音识别_语音转文字_实时会议记录_人工智能-阿里云

./ai_module/ms_tts_sdk.py 微软 文本转语音 基于SDK 文本转语音 – 真实 AI 语音生成器 | Microsoft Azure

./ai_module/xf_ltp.py 讯飞 情感分析 情感分析 - 自然语言处理 - 讯飞开放平台

./utils/ngrok_util.py ngrok.cc 外网穿透（可选） http://ngrok.cc

./ai_module/yuan_1_0.py 浪潮源大模型（NLP 3选1） 源1.0-超大规模预训练模型-浪潮信息

./ai_module/chatgpt.py ChatGPT（NLP 3选1） *******

./ai_module/xf_aiui.py 讯飞自然语言处理（NLP 3选1） AIUI开放平台

与远程音频输入输出设备连接（非必须,外网需要配置http://ngrok.cc ngrok tcp通道的clientid）

控制器与采用 socket(非websocket) 方式与 音频输出设备通讯

内网通讯地址: ws://127.0.0.1:10001

外网通讯地址: 通过http://ngrok.cc获取

消息格式: 参考 remote_audio.py

与数字形象通讯（非必须,控制器需要关闭“面板播放”）

控制器与采用 WebSocket 方式与 UE 通讯

通讯地址: ws://127.0.0.1:10002（已接通）

消息格式: 查看 WebSocket.md

目录结构

.

├── main.py # 程序主入口

├── fay_booter.py # 核心启动模块

├── config.json # 控制器配置文件

├── system.conf # 系统配置文件

├── ai_module

│   ├── ali_nls.py # 阿里云 实时语音

│   ├── ms_tts_sdk.py       # 微软 文本转语音

│   ├── xf_aiui.py          # 讯飞 人机交互-自然语言处理

│   └── xf_ltp.py           # 讯飞 性感分析

├── bin                     # 可执行文件目录

├── core                    # 数字人核心

│   ├── fay_core.py         # 数字人核心模块

│   ├── recorder.py         # 录音器

│   ├── tts_voice.py        # 语音生源枚举

│   ├── viewer.py           # 抖音直播间接入模块

│   └── wsa_server.py       # WebSocket 服务端

├── gui                     # 图形界面

│   ├── flask_server.py     # Flask 服务端

│   ├── static

│   ├── templates

│   └── window.py           # 窗口模块

├── scheduler

│   └── thread_manager.py   # 调度管理器

└── utils                   # 工具模块

    ├── config_util.py      

    ├── storer.py

    └── util.py

项目下载地址：https://download.csdn.net/download/zxj19880502/87459025 

————————————————

版权声明：本文为CSDN博主「zxj19880502」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/zxj19880502/article/details/129097448