cyber-xiaoya/cyber-xiaoya-live

这是手机端抖音直播的实拍截图：观众弹幕进来 → 舞台页把指令翻译成动作 → 数字人执行（画面里是"拿出墨镜戴上"）， 底部是她正在说的话（由 LLM 生成 + 本机 TTS 合成）。 这是主播这端看到的「舞台页」：左边是数字人画面 + 实时字幕，右边是快捷指令 / 点播 / 参考图面板， 底部一行是打字、直发动作、点播、中断、设置。（界面示例，字幕为演示数据） 为什么这么设计：不用买云端 ASR/LLM/TTS 套餐，成本只剩 Vidu 的渲染费；音色、人设、歌单全在你自己手里。 默认用 DeepSeek（https://api.deepseek.com，模型 deepseek-flash）。 把 key 存成一个文本文件，路径填进 config.json → llm.keyfile；也可以直接用环境变量 DEEPSEEKAPIKEY。 项目只认 OmniVoice（tts.engine = "omnivoice"），因为要支持"克隆音色 + 直播中热切音色"。 要求：WSL2 + Ubuntu-22.04 + NVIDIA 驱动 + 至少 8GB 可用显存（作者实测稳定占用 11GB）。 启动后从 Windows 验证： 音色从哪来：tts.voicesdir 指向一个目录，里面每个子文件夹是一种音色： 参考音频要求：3–10 秒、单句、16kHz 单声道、无背景音，reftext 必须和音频逐字一致。 桥没有 TTS 也能起来：舞台页能开、能连线、画面会动、字幕会滚，只是她不会说话。 适合先把 Vidu 链路和舞台页跑通，再回头折腾 TTS。 最省事的做法：直接用配套仓库 赛博小雅 · 弹幕采集器， 它把抖音/B站/YouTube/视频号 四家都封装好了，tts.output 设成 dh（默认就是）即可： 只想做抖音、不想再挂一个仓库？也可以按下面三步，用公开的上游项目 + 本仓库自带的转发器： 抖音的弹幕不能直接从网页读（要签名），社区通行做法是先跑一个本地采集服务， 再用本仓库自带的转发器把消息灌进桥。 自行编译或下载 release，改它目录下的 config.yaml（端口默认 1089、填抖音 cookie），启动。 它会连 ws://127.0.0.1:1089/ws/，把弹幕和礼物翻译成 POST http://127.0.0.1:8795/api/danmaku。 通了之后，舞台页右侧「字幕 / 事件」里会出现 【弹幕】 条目。 只要按这个格式发请求，桥就认： 送礼事件额外带 kind:"gift"、giftitem、giftnum、giftvalue（折算钻）。 把 mp3/flac/wav 丢进 audio/ 目录，舞台页「🎵 点播歌单」就能看到。 想要逐行歌词字幕，需要 lyrics-cache/.lrc.json（用 tools/lyricsalign.py 生成，需要 ASR 环境）。 歌不要提交进仓库（.gitignore…