一张图开口说话，延迟低到能聊天。在 NVIDIA RTX 3090 上，Demo 的生成吞吐速度可达到 30+ FPS，显存占用低于 4 GB，同时呈现清晰的人脸细节。

功能特性

• 音频驱动：传段录音或对着麦克风说话，照片里的人跟着张嘴
• 视频换脸：保留原视频的姿势和节奏，只替换嘴型动作
• 聊天代理：接 OpenAI 兼容的大模型，打字或语音输入，数字人实时回话、出声、做表情

几个细节：预设了习惯 ID 切换说话风格，不用额外录参考视频；同一套缓存机制，注册一次头像后续直接复用；麦克风模式建议戴耳机，不然容易自激啸叫。

怎么跑起来

要 Linux + NVIDIA 显卡 + FFmpeg，测试环境是 Python 3.10、CUDA 12.1、cuDNN 9。

方式一：conda

conda env create -f environment.yaml
conda activate talklikeyou-demo

方式二：pip（得先自己装好对应版本的 PyTorch）

pip install -r requirements.txt

启动命令：

cd TalkLikeYou-Streaming-RealTime-Demo
CUDA_VISIBLE_DEVICES=0 python app.py --host 0.0.0.0 --port 5070

浏览器开 http://127.0.0.1:5070，传图或传视频注册头像，选模式点播放就行。聊天代理要配环境变量或 .env 文件接 LLM、TTS、STT 服务，Edge TTS 装完依赖直接用，其他的走 OpenAI 兼容接口。

模型权重去 Hugging Face 下，按 checkpoints/motion/ 和 checkpoints/runtime/ 的目录放好，runtime_config.pkl 源码里自带不用另下。命令行客户端也能跑：demo_client.py 传 --source 和 --audio 做音频驱动，视频源自动进换脸模式。

Github：https://github.com/BQ-Wang0511/TalkLikeYou-Streaming-RealTime-Demo