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
