VideoChat是開源的實時數字人對話系統，支持語音輸入和實時對話功能。用戶自定義數字人的形象和音色，無需訓練即可進行音色克隆，首包延遲可低至3秒，適用于直播、新聞播報和聊天助手等多種實時語音交互場景。系統支持支持GLM-4-Voice，提供ASR-LLM-TTS-THG和MLLM-THG兩種生成方式。VideoChat用Gradio框架構建交互式應用，支持流式視頻輸出，方便快速部署和構建。
VideoChat的主要功能實時語音交互：支持用戶用語音與數字人進行實時對話。形象和音色自定義：用戶根據需要選擇或設計數字人的外觀和聲音，實現個性化交互。語音輸入和文本輸出：將用戶的語音輸入轉換為文本，再基于大語言模型生成回復文本。唇形同步：數字人在說話時，嘴唇動作與發出的聲音同步，提高真實感。流式視頻輸出：基于Gradio框架，支持流式視頻輸出，讓交互更加流暢。VideoChat的技術原理語音識別（ASR）：用FunASR等工具將用戶的語音輸入轉換為文本。大語言模型（LLM）：基于通義千問等模型根據輸入文本生成相應的回復文本。文本轉語音（TTS）：基于GPT-SoVITS等工具將文本回復轉換為語音。說話人生成（THG）：用MuseTalk等方案根據語音生成唇形同步的數字人視頻。流式輸出并行流水線：基于并行處理技術，邊推理邊播放，提高響應速度。Gradio框架：用Gradio 5實現流式視頻輸出，方便部署和構建交互式應用。VideoChat的項目地址GitHub倉庫：https://github.com/Henry-23/VideoChat在線體驗Demo：https://www.modelscope.cn/studios/AI-ModelScope/video_chatVideoChat的應用場景客戶服務：作為虛擬客服，提供24*7的咨詢服務，解答用戶問題，減少企業人力成本。在線教育：作為虛擬教師，提供語言學習、課程講解等服務，增加學習的互動性和趣味性。新聞播報：用在新聞行業，用數字人的形式播報新聞，提高新聞播報的效率和吸引力。直播行業：作為虛擬主播，進行產品介紹、直播帶貨等，增加直播的互動性和觀眾的觀看體驗。娛樂互動：在游戲、虛擬演唱會等娛樂領域，提供更加豐富的互動體驗。 
