VideoChat是开源的实时数字人对话系统，支持语音输入和实时对话功能。用户自定义数字人的形象和音色，无需训练即可进行音色克隆，首包延迟可低至3秒，适用于直播、新闻播报和聊天助手等多种实时语音交互场景。系统支持支持GLM-4-Voice，提供ASR-LLM-TTS-THG和MLLM-THG两种生成方式。VideoChat用Gradio框架构建交互式应用，支持流式视频输出，方便快速部署和构建。

VideoChat – 开源的实时数字人对话系统，首包延迟低至3秒 第1张
（图片来源网络，侵删）
VideoChat – 开源的实时数字人对话系统，首包延迟低至3秒 第2张
（图片来源网络，侵删）