现在想做一个能跟你聊天的 AI 数字人，多数方案都得先联网、租一台云上的 GPU（显卡），你说一句话，声音先传到云端，AI 想完再传回来，数据全程在别人服务器上转一圈。有一个开源项目偏不这么干，它让你把这套会说话、会回应的数字人，直接装进手机、平板、车机里本地跑；如果 LLM、ASR、TTS 也接本地或私有服务，对话就不用绕公共云。想做对话型数字人、又介意数据往外跑的人，能省掉一大块顾虑。

它叫 Duix-Mobile，duixcom 团队做的，GitHub 上有8000多颗 star，最近一次更新就在2026年5月，不是那种挂着没人管的库。

把两条路摆开看，差别就清楚了。

一条是云端路：算力在远端，模型在远端，你的设备只是个显示器。好处是设备可以很弱，坏处是离不开网、数据要出门，而且每多一个人用，云上的账单就往上涨一截。

另一条就是 Duix-Mobile 走的端上路：数字人渲染和交互核心在你自己设备里跑，低网络依赖。意思是，断网、弱网的地方它也能撑住；如果外接的模型和语音服务也走本地或私有部署，数据就不用离开这套环境。所以它特别点了金融、政务、法律、车载这几类场景，这些地方的共同点是，数据敏感、又经常网络不稳，恰恰是云端方案最难受的地方。

它本身是个 SDK（软件开发工具包），不是下载就能用的成品 App。你得把三样东西接上去：大模型（LLM，负责想话）、语音识别（ASR，负责听懂你说啥）、语音合成（TTS，负责把字变成声音）。自己的也行，第三方的也行。三样拼齐，一个能听你说话、当场回你的数字人就立起来了。

几个我觉得值得说的点。

一是支持流式语音，边合成边说，不用等整句生成完再开口；而且你能打断它——它正说着，你插一句，它会停下来听你的。这一下就把「人机问答」拉近到「跟人聊天」的感觉。

二是嘴型对得上（唇形同步），还能出多语言字幕。

三是形象这块，官方给了4个现成的数字人形象，下载就能用；想换成你自己的脸，按官方说法，通常给一段15秒到2分钟的视频就能克隆出来。当然这步要联系官方做，不是完全自助。

延迟它官方报得挺猛：一个说法是响应低于约1.5秒，更细的说法是在骁龙8 Gen2 芯片上实测低于120毫秒。这俩都是它自己给的数字，我没拿设备独立复测过，到底跑多快，还得你自己上手才算数。但端上跑这条路本身，确实天生比「声音绕云端一圈」要短。

有一点得据实提醒：它的开源协议是自定义的，不是 MIT、Apache 那种你随手就能商用的宽松协议。

说到底，这东西的价值不在「又一个数字人」，而在它把数字人从云上搬回了你手里的设备。想试就先用起来，接上一家大模型跑个最小的 demo。

它叫 Duix-Mobile，duixcom 团队的开源项目，GitHub 上就有。

#马力的AI知识分享#
#马力的AI开源项目分享#