Fay是一个完整的开源项目，包含Python内核及UE数字人模型。开发人员可以利用该项目简单地构建各种类型的数字人或数字助理。该项目各模块之间耦合度非常低，包括声音来源、语音识别、情绪分析、NLP处理、情绪语音合成、语音输出和表情动作输出等模块。每个模块都可以轻松地更换。其中，NLP可以自由切换AIUI、GPT及Yuan1.0。
相关文章：
1、(34条消息) 非常全面的数字人解决方案_郭泽斌之心的博客-CSDN博客_数字人算法
2、(34条消息) Fay数字人开源项目在mac 上的安装办法_郭泽斌之心的博客-CSDN博客
3、【开源项目：数字人FAY——Fay新架构使用讲解】 https://www.bilibili.com/video/BV1NM411B7Ab/?share_source=copy_web&vd_source=64cd9062f5046acba398177b62bea9ad
4、【开源项目FAY——UE工程讲解】https://www.bilibili.com/video/BV1C8411P7Ac?vd_source=64cd9062f5046acba398177b62bea9ad
5、m1机器安装办法（Gason提供）：https://www.zhihu.com/question/437075754
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?）
2023.03： 1、增加edge-tts语音合成（免费）可替换azure-tts(支持情绪化语音)； 2、替换flask发行版运行方式； 4、web socket接口增加数字人文字内容同步，以便数人字可以远程运行； 5、优化数字人数据web socket同步逻辑； 6、更改gpt 3.5对接方式。
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；
- 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
-
Python 3.8.0 +
-
Chrome 浏览器 (若不开启直播功能，可跳过)
pip install -r requirements.txt- 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
-
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
启动数字人图像控制器
python main.py
数字人属性，与用户交互中能做出相应的响应。
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。
填入直播间地址，实现与直播间粉丝交互
选择麦克风设备，实现面对面交互，成为你的伙伴
可以接入远程音频输入，远程音频输出
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。
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 | https://ai.aliyun.com/nls/trans |
| ./ai_module/ms_tts_sdk.py | 微软 文本转情绪语音（可选） | https://azure.microsoft.com/zh-cn/services/cognitive-services/text-to-speech/ |
| ./ai_module/xf_ltp.py | 讯飞 情感分析 | https://www.xfyun.cn/service/emotion-analysis |
| ./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） | https://air.inspur.com/ |
| ./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） | https://aiui.xfyun.cn/solution/webapi |
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
控制器与采用 WebSocket 方式与 UE 通讯
下载工程: https://pan.baidu.com/s/1RBo2Pie6A5yTrCf1cn_Tuw?pwd=ck99
下载windows运行包: https://pan.baidu.com/s/1CsJ647uV5rS2NjQH3QT0Iw?pwd=s9s8
通讯地址: ws://127.0.0.1:10002（已接通）
消息格式: 查看 WebSocket.md
.
├── 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
进一步交流请联系QQ 467665317
技术交流群
