江蘇
CyberVerse：一張照片，讓數字人實時“活”過來
CyberVerse 是一個開源數字人智能體平臺，主打“一張照片＋實時視頻通話”。你只需上傳一張照片，就能生成一個能聽、能說、能看見你的AI數字人——就像打造屬于自己的J.A.R.V.I.S.，或者讓思念之人再次微笑。
它解決了什么痛點？
傳統方案要么是預錄視頻，毫無互動；要么回合制對話，延遲高且不自然；要么依賴3D建模、動作捕捉，門檻極高；還有不少閉源收費，無法自定義。CyberVerse 的思路是：一張照片 + 開源代碼 + GPU ≈ 低延遲實時數字人。首幀約1.5秒，底層走WebRTC。
演示：
模塊化設計（各組件可插拔）
核心能力
- 實時視頻通話（WebRTC + P2P + TURN/NAT穿透）
- 一張照片生成數字人（面部動畫+口型同步+待機呼吸感）
- 數字人具備Agent能力（可接工具、執行任務）
- 模塊化設計：大腦（LLM）、聲音（TTS，支持豆包語音克隆）、聽覺（ASR）、面孔（FlashHead/LiveAct）均可插拔替換
- 支持語音/文字混合輸入、打斷說話、用戶攝像頭輸入、屏幕共享，以及會話歷史持久化
路線圖亮點：跨會話長期記憶、工具調用、知識庫RAG、多智能體協作、直播推流、Web組件/SDK嵌入。
**兩套模型對比**
兩套模型的區別
FlashHead 1.3B
LiveAct 18B
參數量
1.3B
18B
畫質
有Pro/Lite檔
更自然
最低可跑硬件
RTX 4090（Lite檔）
RTX PRO 6000
適合場景
算力有限時
追求質量時
與同類產品的差異
跟同類產品的區別
對比維度
CyberVerse
HeyGen / D-ID等商業產品
其他開源方案
是否開源
? GPL v3
? 閉源
部分開源
實時交互
? WebRTC實時
多為異步生成
少見
一張照片建人
門檻較高
Agent能力
? 規劃中/部分已有
極少
自部署
部分支持
費用
僅GPU成本
按分鐘/按量收費
不一
硬件門檻
高（需要GPU）
無（云端）
不一
適合哪些人？
- AI開發者/研究者：代碼結構清晰，YAML配置靈活
- 有GPU資源的獨立開發者：自建私有化數字人服務
- 內容創作者：創作帶有特定角色的互動內容
- 情感陪伴探索者：想“復現”某人或虛構角色
- 企業私有化部署：數據不上云，完全自控
不適合哪些場景？
- 沒有GPU的普通用戶：最低RTX 4090（Lite檔），消費級設備跑不動
- 非技術用戶：安裝涉及Python/Go/Node/conda/protoc/FFmpeg等多依賴
- 只需簡單生成視頻：HeyGen等性價比更高
- 極致畫質商業項目：開源模型與頂級商業方案仍有差距
- 多語言ASR/TTS需求：主要依賴豆包語音，非中文場景文檔不清晰
- 低延遲手機端/邊緣部署：當前架構為服務器GPU設計
技術前瞻與思考
WebRTC + GPU推理的實時鏈路是核心競爭力，可延伸至遠程醫療、AI面試官、虛擬客服等。多智能體網絡（路線圖第三階段）最具想象力——數字人之間可相互協作。
“思念之人”場景值得關注，已有商業產品做“AI復活”服務，CyberVerse將其開源化，倫理討論將隨之而來。未來Web組件/SDK上線后，接入門檻將大幅降低，生態可能快速擴張。
當前最大瓶頸是GPU成本，但隨著推理效率提升和消費級GPU進步，門檻會逐漸降低。另外，對豆包語音的依賴是潛在風險——若字節調整API政策，會影響核心功能。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
