# 实时数字人 / 说话头框架的 TTS 原生支持调研（2026-09-22）

> **调研日期**：2026-09-22
> **调研方法**：全部结论来自**实际 curl 抓取的原始文件**（GitHub raw / jsDelivr / 官方文档站 / 官方配置与源码），逐条引用原文。星标 / 许可证 / 最后提交通过 shields.io JSON 获取（GitHub API 限流，未使用）。
> **重要说明**：
> - 网络过程中 `raw.githubusercontent.com` 与 `github.com` 多次超时中断，因此对长文件同时使用了 `cdn.jsdelivr.net` 与 `data.jsdelivr.com`（jsDelivr 文件树 API）。凡使用 jsDelivr 的位置均已标注。
> - 凡无法确证的项一律写 **未查到**，不做推测。
> - 本文件所有 URL 均为**本次实际成功抓取**的地址。

---

## 0. 总览表（先看结论）

| 框架 | 仓库 | 星标 | 许可证 | 最后提交 | 原生 TTS 引擎 |
|---|---|---|---|---|---|
| **LiveTalking** | `lipku/LiveTalking` | 9.6k | Apache-2.0 | september | **edgetts / gpt-sovits / cosyvoice / fishtts / tencent / doubao / indextts2 / azuretts / qwentts**（config.yaml 原注释）；代码另有 xtts、omnitts |
| **OpenAvatarChat** | `HumanAIGC-Engineering/OpenAvatarChat` | 3.8k | Apache-2.0 | july | **EdgeTTS / CosyVoice（本地）/ 百炼 CosyVoice（API）**；Qwen-Omni 模式下 TTS 由 Qwen-Omni 本体承担 |
| **Fay** | `xszyou/Fay` | 14k | GPL-3.0 | yesterday | **azure / ali / gptsovits / volcano / gptsovits_v3** |
| **Linly-Talker** | `Kedreamix/Linly-Talker` | 3.5k | MIT | february | **Edge TTS / PaddleTTS / GPT-SoVITS（推荐）/ XTTS / CosyVoice** |
| **Duix.Heygem**（现 Duix.Avatar） | `duixcom/Duix.Heygem` → `duixcom/Duix.Avatar` | 16k | not identifiable by github | april | **fish-speech-ziming（`guiji2025/fish-speech-ziming` Docker 镜像）**，固定内置、无切换项 |
| **aigcpanel** | `modstart-lib/aigcpanel` | 5.6k | Apache-2.0 | last friday | **CosyVoice-300M / CosyVoice-300M-Instruct / CosyVoice2-0.5b / FishSpeech / IndexTTS / SparkTTS / GPT-SoVITS** |
| **SoulX-FlashTalk** | `Soul-AILab/SoulX-FlashTalk` | 1.5k | Apache-2.0 | july | **无（纯音频驱动，不含任何 TTS）** |
| **Ultralight-Digital-Human** | `anliyuan/Ultralight-Digital-Human` | 2.6k | not specified | july | **无（纯音频特征驱动，不含任何 TTS）** |
| **Open-LLM-VTuber**（参考） | `Open-LLM-VTuber/Open-LLM-VTuber` | 14k | not identifiable by github | may | **sherpa-onnx / pyttsx3 / MeloTTS / Coqui-TTS / GPTSoVITS / Bark / CosyVoice / Edge TTS / Fish Audio / Azure TTS 等** |
| **Awesome 类清单** | `weihaox/awesome-digital-human` | — | — | — | **未查到**（该清单聚焦 3D 数字人/avatar 生成，正文未列 TTS 后端） |
| **Awesome 类清单** | `icemaple77/digital-human` | — | — | — | **edge（免费）/ GPT-SoVITS（自训音色）** |

---

## 1. LiveTalking（lipku/LiveTalking）

### 1.1 仓库元数据（shields.io）

| 项 | 值 |
|---|---|
| 仓库 | https://github.com/lipku/LiveTalking |
| 星标 | `{"label":"stars","message":"9.6k",...}` |
| 许可证 | `{"label":"license","message":"Apache-2.0",...}` |
| 最后提交 | `{"label":"last commit","message":"september",...}` |

抓取地址：
- `https://img.shields.io/github/stars/lipku/LiveTalking.json`
- `https://img.shields.io/github/license/lipku/LiveTalking.json`
- `https://img.shields.io/github/last-commit/lipku/LiveTalking.json`

### 1.2 README 中的 TTS 描述（逐字引用）

来源：`https://raw.githubusercontent.com/lipku/LiveTalking/main/README.md`（另抓 `README-EN.md`，同一提交）

**"3. 系统架构 / 逻辑层"**：

> - **TTS 引擎**: 模块化设计，支持 EdgeTTS、GPT-SoVITS、CosyVoice、腾讯云等多种方案

英文版同源文件 `https://raw.githubusercontent.com/lipku/LiveTalking/main/README-EN.md` 第 142 行逐字对应（**英文句末还有 "and more"**）：

> - **TTS Engine**: Modular design supporting EdgeTTS, GPT-SoVITS, CosyVoice, Tencent Cloud, and more

**"插件系统"**：

> - 基于 [registry.py](registry.py) 的去中心化注册机制，开发者可自行扩展 TTS、Avatar、Output 模块

**Features**：

> 1. 支持多种数字人模型: ernerf、musetalk、wav2lip、Ultralight-Digital-Human
> 2. 支持声音克隆
> 3. 支持数字人说话被打断

**核心流程**：

> **核心流程**：用户输入文字/音频 → LLM 生成回复（可选）→ TTS 合成语音 → 数字人实时口型同步 → 音视频推流输出

### 1.3 权威 TTS 列表 = `config.yaml`（源码级，最可靠）

来源：`https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/config.yaml`
（等价 raw：`https://raw.githubusercontent.com/lipku/LiveTalking/main/config.yaml`）

```yaml
# -------- TTS ----------------------------------------------------------
tts: edgetts                   # edgetts / gpt-sovits / cosyvoice / fishtts / tencent / doubao / indextts2 / azuretts / qwentts
REF_FILE: ''                   # voice name or reference audio file path (wav, 16kHz, mono)
REF_TEXT: ''                   # reference text for voice cloning (English or Chinese)
TTS_SERVER: ''                 # TTS server URL, no trailing slash
```

**→ 文档化的官方 TTS 枚举（9 个）**：`edgetts`、`gpt-sovits`、`cosyvoice`、`fishtts`、`tencent`、`doubao`、`indextts2`、`azuretts`、`qwentts`。

### 1.4 代码级 TTS 模块清单（比 config.yaml 注释多出 2 个）

文件树来源：`https://data.jsdelivr.com/v1/packages/gh/lipku/LiveTalking@main`

```
/tts/__init__.py
/tts/azure.py
/tts/base_tts.py
/tts/cosyvoice.py
/tts/doubao.py
/tts/edge.py
/tts/fish.py
/tts/indextts2.py
/tts/omnitts.py
/tts/qwentts.py
/tts/sovits.py
/tts/tencent.py
/tts/xtts.py
```

**已从源码中逐一核实的注册名**（`@register("tts", "<name>")` 装饰器）：

| 文件 | 注册名 | 抓取地址（jsDelivr CDN） |
|---|---|---|
| `tts/edge.py` | `edgetts` | `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/tts/edge.py` |
| `tts/azure.py` | `azuretts` | `.../tts/azure.py` |
| `tts/doubao.py` | `doubao` | `.../tts/doubao.py` |
| `tts/omnitts.py` | `omnitts` | `.../tts/omnitts.py` |
| `tts/qwentts.py` | `qwentts` | `.../tts/qwentts.py` |
| `tts/sovits.py` | `gpt-sovits` | `.../tts/sovits.py` |
| `tts/tencent.py` | `tencent` | `.../tts/tencent.py` |
| `tts/xtts.py` | `xtts` | `.../tts/xtts.py` |
| `tts/cosyvoice.py` | 未取到（CDN 404，但文件树中存在） | `.../tts/cosyvoice.py` |
| `tts/fish.py` | 未取到（同上） | `.../tts/fish.py` |
| `tts/indextts2.py` | 未取到（同上） | `.../tts/indextts2.py` |

> 说明：`cosyvoice.py` / `fish.py` / `indextts2.py` 三个文件在 jsDelivr **文件树 API** 中存在，但 **CDN 直取返回 404**（jsDelivr 的 tree 与 CDN 可能解析到不同提交），因此其注册名未能直接引用原文；对应的 config 名（`cosyvoice` / `fishtts` / `indextts2`）来自上面 `config.yaml` 的原文注释。
> 另注：`xtts` 与 `omnitts` **存在于代码**，但**未**出现在 `config.yaml` 的注释枚举里。

### 1.5 是否可插拔？——是（去中心化注册表）

来源：`https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/registry.py`

```python
_REGISTRY: Dict[str, Dict[str, Type]] = {
    "stt": {}, "llm": {}, "tts": {}, "avatar": {}, "output": {},
}

def register(category: str, name: str):
    """
    装饰器：注册插件类到全局注册表。

    用法::

        @register("tts", "edgetts")
        class EdgeTTS(BaseTTS): ...
    """
```

以及 `create(category, name, **kwargs)` 的报错文案原文：

> `f"Plugin '{name}' not found in category '{category}'. Available: {available}"`

→ **结论：TTS 层完全可插拔。任意自定义 TTS 只需继承 `BaseTTS` 并加 `@register("tts", "<name>")`，再用 `tts: <name>` 启用。**

### 1.6 延迟 / 流式要求

- **必须流式**：所有云端 TTS 实现都走 HTTP `stream=True` 并**逐 chunk 推送**，且显式打印首包延迟。逐字引用（各文件）：
  - `tts/sovits.py`：`logger.info(f"gpt_sovits Time to first chunk: {end-start}s")`，请求体 `'streaming_mode':True`；注释原文 `# #req["stream_chunk_size"] = stream_chunk_size  # you can reduce it to get faster response, but degrade quality`
  - `tts/xtts.py`：`"20" #args.stream_chunk_size`，注释 `# you can reduce it to get faster response, but degrade quality`
  - `tts/tencent.py`：`for chunk in res.iter_content(chunk_size=6400): # 640 16K*20ms*2`
  - `tts/sovits.py`：`for chunk in res.iter_content(chunk_size=None): #12800 1280 32K*20ms*2`
  - `tts/xtts.py`：`for chunk in res.iter_content(chunk_size=None): #24K*20ms*2`
- **官方未给出"TTFB 必须 < X ms"的硬阈值**（README / 文档 / FAQ 均未查到）。但架构上要求 TTS **边合成边按 20ms 帧喂给口型模型**，因此实际上要求**流式 + 低首包**。
- 性能指标章节（README 第 6 节）只给了口型推理帧率，未涉及 TTS：
  > - 后端日志 `inferfps` = GPU 推理帧率, `finalfps` = 最终推流帧率，两者均需 >=25 才算实时

### 1.7 输出格式要求（明确）

来源：`https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/tts/base_tts.py`

```python
class BaseTTS:
    def __init__(self, opt, parent: "BaseAvatar"):
        self.opt = opt
        self.parent = parent

        #self.fps = opt.fps # 20 ms per frame
        self.sample_rate = 16000
        self.chunk = self.sample_rate // (opt.fps*2) # 320 samples per chunk (20ms * 16000 / 1000)
```

- **采样率：16000 Hz（硬编码，单声道 int16）**
- **chunk：`16000 // (fps*2)` 个采样点 = 默认 fps=25 时 320 samples = 20 ms**
- 参考音频（声音克隆）格式要求来自 `config.yaml` 原文：`REF_FILE: ''  # voice name or reference audio file path (wav, 16kHz, mono)`
- `tts/qwentts.py` 亦显式以 16k 对齐：`sample_rate=16000`、注释 `# 按 self.chunk (320 samples = 20ms @16kHz) 分块推送`
- `tts/azure.py` 以字节算 chunk：`chunk_bytes = self.chunk * 2  # 320 samples * 2 bytes (int16)`

### 1.8 官方 TTS 部署文档（doc.livetalking.ai）

来源：`https://doc.livetalking.ai/docs/tts/`

页面为 TTS 索引，正文逐字：

> TTS 相关文档索引。
> GPT-SoVITS
> Fish Speech
> CosyVoice
> 旧版说明

**已抓取的子页**：

| 子页 | URL | 要点（逐字） |
|---|---|---|
| GPT-SoVITS | `https://doc.livetalking.ai/docs/tts/gptsovits/` | "采用gpt-sovits方案，bert-sovits适合长音频训练，gpt-sovits运行短音频快速推理"；`endpoint: /tts`；示例含 `streaming_mode=true`；`"media_type" : "wav" # support "wav" , "raw" , "ogg" , "aac"` |
| Fish Speech | `https://doc.livetalking.ai/docs/tts/fishspeech/` | `endpoint: /v1/tts`；`"chunk_length" : 200`、`"format" : "wav"`、`"streaming" : false`（默认）、`fishaudio/fish-speech-1.5` |
| CosyVoice | `https://doc.livetalking.ai/docs/tts/cosyvoice/` | 用 `iic/CosyVoice2-0.5B` + `iic/CosyVoice-ttsfrd`；启动 `CosyVoice/runtime/python/fastapi/server.py --model_dir .../CosyVoice2-0.5B` |
| **OmniTTS** | `https://doc.livetalking.ai/docs/tts/omnitts/` | **一个 OpenAI 兼容的统一 TTS 服务（vLLM-Omni），覆盖多个模型**——见下 |

**OmniTTS 页逐字要点**（这是 LiveTalking 官方"一站式接多 TTS"的答案）：

> vLLM-Omni是一个推理服务系统，已经支持了多种tts模型，包括qwen3-tts、cosyvoice、VoxCpm2。更多模型 https://docs.vllm.ai/projects/vllm-omni/en/latest/serving/speech_api/ 。对外提供统一的tts API接口服务,兼容openai规范，支持克隆声音的上传、删除、查看。

其 "3. 启动api服务" 小节给出的模型与**显存/延迟**（逐字摘录）：

| 小节 | 命令 | 原文备注 |
|---|---|---|
| 3.1 Qwen3 | `vllm serve Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice --omni --trust-remote-code --port 8091` | "需要显存12g" |
| 3.2 Voxcpm | `vllm serve openbmb/VoxCPM2 --omni --trust-remote-code --port 8091` | "需要显存13G" |
| 3.3 Fish Speech | `vllm serve fishaudio/s2-pro --omni --trust-remote-code --port 8091` | "需要显存18G" |
| 3.4 IndexTTS | `vllm serve IndexTeam/IndexTTS-2 --omni --trust-remote-code --port 8091` | **"需要显存17G，延时4s"** |
| 3.5 CosyVoice | （`uv pip install s3tokenizer` …） | "需要显存14G" |

### 1.9 FAQ / 其他

`https://doc.livetalking.ai/docs/faq/` 抓取成功，但正文仅见 pytorch3d 安装问题，**未涉及 TTS 延迟或格式** → TTS 相关 Q&A **未查到**。

---

## 2. OpenAvatarChat（HumanAIGC-Engineering/OpenAvatarChat）

> ⚠️ **重要更正**：任务给出的 `HumanAIGC/OpenAvatarChat` **不存在**（shields.io 返回 `"message":"repo not found"`）。**实际仓库所有者为 `HumanAIGC-Engineering`**：`https://github.com/HumanAIGC-Engineering/OpenAvatarChat`。
> 抓取 `https://raw.githubusercontent.com/HumanAIGC/OpenAvatarChat/main/README.md` 亦失败（非 200）。

### 2.1 仓库元数据（shields.io）

| 项 | 值 |
|---|---|
| 仓库 | https://github.com/HumanAIGC-Engineering/OpenAvatarChat |
| 星标 | `{"label":"stars","message":"3.8k",...}` |
| 许可证 | `{"label":"license","message":"Apache-2.0",...}` |
| 最后提交 | `{"label":"last commit","message":"july",...}` |

抓取地址：`https://img.shields.io/github/{stars,license,last-commit}/HumanAIGC-Engineering/OpenAvatarChat.json`

### 2.2 README 中的 TTS 描述（逐字引用）

来源：`https://raw.githubusercontent.com/HumanAIGC-Engineering/OpenAvatarChat/main/README.md`

**核心亮点**：

> - **模块化架构设计**：采用高度模块化设计，可灵活替换 ASR、LLM、TTS、Avatar 等核心组件
> - **低延迟优化**：通过 VAD 检测、语音缓冲、帧率控制等机制优化，平均响应时间仅 2.2 秒

**组件依赖表**（TTS 行）：

> | TTS | FunAudioLLM/CosyVoice |[GitHub]](https://github.com/FunAudioLLM/CosyVoice)||

**预置模式表**（TTS 列）：

> | CONFIG名称 | ASR | LLM | TTS | AVATAR |
> | chat_with_lam.yaml | SenseVoice | API | API | LAM |
> | chat_with_qwen_omni.yaml | Qwen-Omni | Qwen-Omni | Qwen-Omni | lite-avatar |
> | chat_with_openai_compatible_bailian_cosyvoice.yaml | SenseVoice | API | API | lite-avatar |
> | chat_with_openai_compatible_bailian_cosyvoice_flashhead.yaml | SenseVoice | API | API | FlashHead |

**最新动态（2026.04，v0.6.0）**：

> - [2026.04] ⭐️⭐️⭐️ 版本 0.6.0发布: … 接入 SoulX-FlashHead 数字人，基于扩散模型的实时流式说话头生成

### 2.3 官方文档的 TTS Handler 清单（权威）

来源：`https://humanaigc-engineering.github.io/OpenAvatarChat/reference/preset-modes`

侧边栏 "TTS（语音合成）" 下**只有三项**，逐字：

> TTS（语音合成）
> 百炼 CosyVoice
> CosyVoice 本地
> Edge TTS

对应文档页（均抓取成功）：

| Handler | 文档 URL | 关键点（逐字） |
|---|---|---|
| 百炼 CosyVoice | `https://humanaigc-engineering.github.io/OpenAvatarChat/reference/handlers/tts/bailian-cosyvoice.html` | `model_name : "cosyvoice-v1"`；`TTS_CosyVoice.sample_rate \| 24000 \| 输出音频采样率` |
| CosyVoice 本地 | `https://humanaigc-engineering.github.io/OpenAvatarChat/reference/handlers/tts/cosyvoice-local.html` | "TTS 默认为 CosyVoice 的 **iic/CosyVoice-300M-SFT + 中文女**，可以通过修改为其他模型配合 ref_audio_path 和 ref_audio_text 进行音色复刻。" |
| Edge TTS | `https://humanaigc-engineering.github.io/OpenAvatarChat/reference/handlers/tts/edge-tts.html` | "集成微软的 Edge TTS，使用云端推理，**无需申请 API Key**。" 配置：`Edge_TTS: module: tts/edgetts/tts_handler_edgetts / voice: "zh-CN-XiaoxiaoNeural"` |

### 2.4 代码级 TTS Handler 清单（与文档一致）

文件树来源：`https://data.jsdelivr.com/v1/packages/gh/HumanAIGC-Engineering/OpenAvatarChat@main`

```
/src/handlers/tts/bailian_tts/tts_handler_cosyvoice_bailian.py
/src/handlers/tts/cosyvoice/tts_handler_cosyvoice.py
/src/handlers/tts/cosyvoice/cosyvoice_processor.py
/src/handlers/tts/edgetts/tts_handler_edgetts.py
/config/chat_with_openai_compatible_edge_tts.yaml
/config/chat_with_openai_compatible_bailian_cosyvoice.yaml
/config/chat_with_gs.yaml
```

**→ 确认 OpenAvatarChat 原生 TTS 只有 3 条路径：本地 CosyVoice、百炼 CosyVoice API、Edge TTS。**（`chat_with_qwen_omni.yaml` 模式下 TTS 由 Qwen-Omni 多模态模型本体输出，不算独立 TTS 引擎。）

### 2.5 是否可插拔？——是（Handler 插件架构）

来源：`https://cdn.jsdelivr.net/gh/HumanAIGC-Engineering/OpenAvatarChat@main/config/chat_with_openai_compatible_edge_tts.yaml`

```yaml
  chat_engine:
    model_root: "models"
    concurrent_limit: 1
    handler_search_path:
      - "src/handlers"
    handler_configs:
      Edge_TTS:
        enabled: True
        module: tts/edgetts/tts_handler_edgetts
        voice: "zh-CN-XiaoxiaoNeural"
```

→ 通过 `handler_search_path` + `module:` 声明式装配，**新增 TTS 只要按 HandlerBase 写一个模块即可**。（框架无"任意 TTS 免代码接入"的网关，需要写 handler。）

### 2.6 延迟 / 流式要求

- README 给出的是**系统级端到端**数字，不是 TTS 单独指标：
  > **平均响应时间仅 2.2 秒**
- TTS Handler 内部**按句切分流式提交**（源码 `tts_handler_cosyvoice.py`）：`inputs.is_last_data` 为假时按标点切句并逐句入队——
  ```python
  sentences = re.split(r'(?<=[,.~!?，。！？])', context.input_text)
  if len(sentences) > 1:  # 至少有一个完整句子
  ```
  句尾会插入一段静音结束标记：`end_task.result_queue.put(np.zeros(shape=(1, 240), dtype=np.float32))`
- **明确的 TTFB 阈值：未查到**（文档未给 TTS 级延迟数字）。

### 2.7 输出格式要求

来源：`https://cdn.jsdelivr.net/gh/HumanAIGC-Engineering/OpenAvatarChat@main/src/handlers/tts/cosyvoice/tts_handler_cosyvoice.py` 与 `.../edgetts/tts_handler_edgetts.py`

两个 Handler 的 `TTSConfig` 都声明：

```python
sample_rate: int = Field(default=24000)
```

```python
sample_rate: int = Field(default=24000)
```

输出为**单声道**（`DataBundleEntry.create_audio_entry("avatar_audio", 1, self.sample_rate)` 的第 2 个参数 `1` = 通道数）：

```python
definition.add_entry(DataBundleEntry.create_audio_entry("avatar_audio", 1, self.sample_rate))
```

- **默认 24000 Hz、单声道**，且 `sample_rate` 可在配置中改（百炼文档亦写 `TTS_CosyVoice.sample_rate | 24000 | 输出音频采样率`）。
- **chunk 大小未在配置中约束**（由下游 Avatar 的 fps 决定；LiteAvatar 配置 `fps: 25`）。

---

## 3. Fay（xszyou/Fay）

### 3.1 仓库元数据（shields.io）

| 项 | 值 |
|---|---|
| 仓库 | https://github.com/xszyou/Fay |
| 星标 | `{"label":"stars","message":"14k",...}` |
| 许可证 | `{"label":"license","message":"GPL-3.0",...}` |
| 最后提交 | `{"label":"last commit","message":"yesterday",...}` |

抓取地址：`https://img.shields.io/github/{stars,license,last-commit}/xszyou/Fay.json`

### 3.2 README 中的 TTS 描述（逐字引用）

来源：`https://raw.githubusercontent.com/xszyou/Fay/master/README.md`（注意默认分支为 **master**）

> Fay数字人框架，向上适配各种数字人模型技术，向下接入各式大语言模型，并且便于更换诸如**TTS、ASR**等模型，为单片机、app、网站提供全面的数字人应用接口。

功能特点：

> - 自由匹配数字人模型、大语言模型（openai 兼容接口）、**ASR、TTS模型**
> - 全时流式的支持
> - 支持唤醒及打断对话

> ⚠️ README **正文没有列出具体 TTS 引擎名称**，只给飞书文档链接。因此下面的引擎清单来自**源码配置**（更权威）。

### 3.3 权威 TTS 引擎清单 = `system.conf.bak`（逐字引用）

来源：`https://raw.githubusercontent.com/xszyou/Fay/master/system.conf.bak`

```ini
#tts类型（切换请重新选择所需要的声音）azure、ali、gptsovits、volcano、gptsovits_v3
tts_module=ali

# 微软 文字转语音 服务密钥（非必须，使用可产生不同情绪的音频）https://azure.microsoft.com/zh-cn/services/cognitive-services/text-to-speech/
ms_tts_key=
ms_tts_region=

# 阿里云 文字转语音 服务密钥 https://ai.aliyun.com/nls/trans
ali_tss_key_id=
ali_tss_key_secret=
ali_tss_app_key=

# Doubao-语音合成 服务密钥 https://www.volcengine.com/product/voice-tech
volcano_tts_appid=
volcano_tts_access_token=
volcano_tts_cluster=volcano_tts
#可为空，为空时读取选择的音色
volcano_tts_voice_type=
```

**→ Fay 官方 TTS 引擎（5 个）**：`azure`（微软）、`ali`（阿里云 NLS）、`gptsovits`、`volcano`（火山引擎/豆包语音）、`gptsovits_v3`。

旁证（DeepWiki，索引时间 "Last indexed: 29 March 2026"）：`https://deepwiki.com/xszyou/Fay/10.1-local-setup-and-configuration`

> | tts_module | Text-to-speech engine | ali , azure , volcano , gptsovits |

（DeepWiki 该表**未列** `gptsovits_v3`；`system.conf.bak` 为更权威来源。）

### 3.4 TTS 相关源码文件

来源：`https://raw.githubusercontent.com/xszyou/Fay/master/tts/ali_tss.py`、`.../tts/ms_tts_sdk.py`、`.../tts/tts_voice.py`
（三者与 jsDelivr 版本 `https://cdn.jsdelivr.net/gh/xszyou/Fay@master/tts/*` 内容一致，已逐行 diff 一致）

- `tts/ali_tss.py` — 阿里云 NLS `class Speech`，含 token 管理与历史缓存
- `tts/ms_tts_sdk.py` — 微软 **Azure + Edge 双路径**：

```python
import azure.cognitiveservices.speech as speechsdk
import edge_tts
...
if config_util.key_ms_tts_key and config_util.key_ms_tts_key is not None and config_util.key_ms_tts_key.strip() != "":
    self.__speech_config = speechsdk.SpeechConfig(subscription=cfg.key_ms_tts_key, region=cfg.key_ms_tts_region)
    ...
    self.__speech_config.set_speech_synthesis_output_format(speechsdk.SpeechSynthesisOutputFormat.Riff16Khz16BitMonoPcm)
    self.__synthesizer = speechsdk.SpeechSynthesizer(speech_config=self.__speech_config, audio_config=None)
    self.ms_tts = True
```

- `tts/tts_voice.py` — 音色/情绪注册表 `EnumVoice`，例如：

```python
class EnumVoice(Enum):
    XIAO_XIAO_NEW = {
        "name": "晓晓(azure)",
        "voiceName": "zh-CN-XiaoxiaoMultilingualNeural",
        "styleList": {"angry": "angry", "lyrical": "lyrical", "calm": "gentle",
                      "assistant": "affectionate", "cheerful": "cheerful"}
    }
    XIAO_XIAO = { "name": "晓晓(edge)", "voiceName": "zh-CN-XiaoxiaoNeural", ... }
```

DeepWiki TTS 页（`https://deepwiki.com/xszyou/Fay/4.2-text-to-speech-(tts)`）补充（逐字）：

> **Azure SDK** : If key_ms_tts_key is provided, it uses the official speechsdk for high-fidelity synthesis with SSML support for fine-grained style control
> **Edge TTS (Fallback)** : If no API key is found, it falls back to the edge_tts library, which provides free access to Microsoft's neural voices via the Edge browser's API
> **Format Conversion** : Edge TTS outputs .mp3 , which is automatically converted to .wav using pydub to ensure compatibility with the Fay audio player
> Audio Processing : Converts the returned stream into a WAV file with **16kHz sampling rate and mono channel**

### 3.5 是否可插拔？——是（配置切换），但**不是任意 TTS 免代码**

- 切换方式：改 `system.conf` 的 `tts_module`（原文注释：`#tts类型（切换请重新选择所需要的声音）…`）。**只能选上述 5 个内置实现**；要接别的 TTS 需自行改 `tts/` 下的代码。
- 音色/情绪通过 `tts/tts_voice.py` 的中央注册表 + `get_voice_of(name)` 管理（原文：`If a configured voice is not found, the system defaults to "晓晓(edge)"`）。

### 3.6 延迟 / 流式要求

- README 只声明能力，未给数字：
  > - 全时流式的支持
  > - 支持唤醒及打断对话
- 流式同步机制（DeepWiki 原文）：
  > In streaming mode (e.g., when using LLMs), the TTS system must coordinate with the UI to handle audio playback timing. The StreamStateManager manages hidden markers appended to the text.
  > The markers `<isfirst>` and `<isend>` are used by the WebSocket server to tell the frontend whether to clear the audio queue or finish the animation
- **具体 TTFB 阈值 / ms 指标：未查到。**

### 3.7 输出格式要求

- Azure 路径：**`Riff16Khz16BitMonoPcm`**（源码硬编码，见上）
- 阿里云路径：**16 kHz、单声道 WAV**（DeepWiki 原文："Converts the returned stream into a WAV file with 16kHz sampling rate and mono channel"）
- Edge 路径：输出 `.mp3`，**经 pydub 转为 `.wav`**（DeepWiki 原文）
- **→ 统一落到 16 kHz / 单声道 / 16-bit PCM。chunk 大小：未查到。**

---

## 4. Linly-Talker（Kedreamix/Linly-Talker）

> ⚠️ **重要更正**：任务给出的 `Korvo-AI/Linly-Talker` **不存在**（shields.io 返回 `"message":"repo not found"`）。**实际仓库为 `Kedreamix/Linly-Talker`**。

### 4.1 仓库元数据（shields.io）

| 项 | 值 |
|---|---|
| 仓库 | https://github.com/Kedreamix/Linly-Talker |
| 星标 | `{"label":"stars","message":"3.5k",...}` |
| 许可证 | `{"label":"license","message":"MIT",...}` |
| 最后提交 | `{"label":"last commit","message":"february",...}` |

抓取地址：`https://img.shields.io/github/{stars,license,last-commit}/Kedreamix/Linly-Talker.json`

### 4.2 README 的 TTS 目录（逐字引用）

来源：`https://raw.githubusercontent.com/Kedreamix/Linly-Talker/main/README.md`

README 目录树原文（第 87–99 行）：

```
  - [ASR - Speech Recognition](#asr---speech-recognition)
    - [Whisper](#whisper)
    - [FunASR](#funasr)
    - [Coming Soon](#coming-soon)
  - [TTS - Text To Speech](#tts---text-to-speech)
    - [Edge TTS](#edge-tts)
    - [PaddleTTS](#paddletts)
    - [Coming Soon](#coming-soon-1)
  - [Voice Clone](#voice-clone)
    - [GPT-SoVITS（Recommend）](#gpt-sovitsrecommend)
    - [XTTS](#xtts)
    - [CosyVoice](#cosyvoice)
    - [Coming Soon](#coming-soon-2)
```

**→ 文档化的 TTS / 声音克隆后端（5 个）**：`Edge TTS`、`PaddleTTS`、`GPT-SoVITS`（标注 Recommend）、`XTTS`、`CosyVoice`。
（README 把前两者归在 "TTS"，后三者归在 "Voice Clone"，但四者都是语音合成实现。）

**关键原文摘录**：

> ### Edge TTS
> To use Microsoft Edge's online text-to-speech service from Python without needing Microsoft Edge or Windows or an API key, you can refer to ... [https://github.com/rany2/edge-tts](https://github.com/rany2/edge-tts)

> > Due to some issues with the Edge TTS repository, it seems that Microsoft has restricted certain IPs. ... **I recommend using the CosyVoice method.**

> ### PaddleTTS
> In practical use, there may be scenarios that require offline operation. Since Edge TTS requires an online environment to generate speech, we have chosen **PaddleSpeech**, another open-source alternative, for Text-to-Speech (TTS). ... [https://github.com/PaddlePaddle/PaddleSpeech](https://github.com/PaddlePaddle/PaddleSpeech)

> ### GPT-SoVITS（Recommend）
> Thank you for your open source contribution. I have also found the `GPT-SoVITS` voice cloning model to be quite impressive. ... [https://github.com/RVC-Boss/GPT-SoVITS](https://github.com/RVC-Boss/GPT-SoVITS)

> ### XTTS
> Coqui XTTS is a leading deep learning toolkit for Text-to-Speech (TTS) tasks, allowing for voice cloning and voice transfer to different languages using a 5-second or longer audio clip.

> ### CosyVoice
> CosyVoice is an open-source multilingual speech understanding model developed by Alibaba's Tongyi Lab ... 1. **CosyVoice-300M** ... 2. **CosyVoice-300M-SFT** ... 3. **CosyVoice-300M-Instruct** ...

**更新日志中的相关条目**：

> - \*\*Updated the offline mode for Paddle TTS, excluding Edge TTS.\*\*
> - \*\*Implemented a simple fix for the Edge-TTS bug, resolved several issues with MuseTalk, and plan to integrate fishTTS for more stable TTS performance\*\*

（"plan to integrate fishTTS" —— 计划中，非已完成。）

**架构定位（原文）**：

> - **🧩 Modular Multimodal Pipeline:** Reuses existing ASR/LLM/TTS/Avatar capabilities while adopting streaming processing framework for system refactoring.

### 4.3 子文档 `TTS/README.md`

来源：`https://cdn.jsdelivr.net/gh/Kedreamix/Linly-Talker@main/TTS/README.md`（3433 B，同时以 raw 路径核对过）

标题逐字：

> # TTS 赋予数字人真实的语音交互能力
> ## Edge-TTS
> ## PaddleTTS

正文包含自实现的 `EdgeTTS` 包装类（`SUPPORTED_VOICE`、`predict(...)` 输出 `result.wav` + `result.vtt` 字幕）与 PaddleSpeech 的 `TTSExecutor` 封装（`am='fastspeech2'/'tacotron2'`、`voc='pwgan'/'hifigan'/...`、`lang='zh'/'en'/'mix'/'canton'`）。

### 4.4 是否可插拔？——部分，需改代码

- README 把它描述为**模块化多模态流水线**（可复用 ASR/LLM/TTS/Avatar），但从文档看**没有配置式 TTS 插件注册表**；切换靠改代码/配置组合。
- **"接入任意 TTS"的通用接口文档：未查到。**

### 4.5 延迟 / 流式要求

- 主仓 README **未给出 TTS 的延迟数字或 TTFB 阈值**。→ **未查到**。
- 有实时能力声明，但针对的是整体（"Real-Time Interaction"、"Linly-Talker-Stream" 分仓），非 TTS 单项。

### 4.6 输出格式要求

- 主仓 README 与其 `TTS/README.md` **均未声明 TTS 采样率 / chunk 约束**。→ **未查到**（需从其 `SadTalker` / `Wav2Lip` 的音频预处理代码反推，本次未取到对应源码文件）。

---

## 5. Duix.Heygem（duixcom/Duix.Heygem → 现名 duixcom/Duix.Avatar）

### 5.1 仓库元数据（shields.io）

| 项 | Duix.Heygem | Duix.Avatar |
|---|---|---|
| 星标 | `{"label":"stars","message":"16k",...}` | `{"label":"stars","message":"16k",...}` |
| 许可证 | `{"label":"license","message":"not identifiable by github",...}` | 同左 |
| 最后提交 | `{"label":"last commit","message":"april",...}` | `{"label":"last commit","message":"april",...}` |

抓取地址：`https://img.shields.io/github/{stars,license,last-commit}/duixcom/Duix.Heygem.json` 与 `.../duixcom/Duix.Avatar.json`

→ **两仓库三项指标完全一致，且 README 内容即 "Duix.Avatar"**；README 内 LICENSE 链接指向 `https://github.com/duixcom/Duix.Avatar/blob/main/LICENSE`。**结论：`Duix.Heygem` 已改名为 `Duix.Avatar`（同一仓库）。**

### 5.2 README 中的 TTS（逐字引用）

来源：`https://raw.githubusercontent.com/duixcom/Duix.Heygem/main/README.md`

**依赖（Docker 镜像）**：

> 1. Nodejs 18
> 2. Docker Images
>    - docker pull guiji2025/fun-asr
>    - docker pull guiji2025/**fish-speech-ziming**

**致谢章节（最直接的一句）**：

> ## 10. Acknowledgments
> - ASR based on fun-asr
> - **TTS based on fish-speech-ziming**

**关键路径**：

> - src/main/service/voice.js
> 1. Separate video into silent video + audio
> 2. Place audio in
>    `D:\duix_avatar_data\voice\data` is agreed with the `guiji2025/fish-speech-ziming` service, can be modified in docker-compose

**→ 原生 TTS 只有 1 个：`fish-speech-ziming`（GuiJi/硅基智能定制的 Fish-Speech Docker 服务，`guiji2025/fish-speech-ziming`）。** 无其他内置 TTS。

### 5.3 是否可插拔？——**否（未见文档化的 TTS 替换机制）**

- 架构上 TTS 是**固定 Docker 微服务**，通过 HTTP 接口被调用；README 只说明可在 `docker-compose` 中修改路径，"可修改和扩展代码"是泛泛的本地部署对比表用语，**没有 TTS 插件/注册表机制**。
- **"接入任意 TTS"的文档：未查到。**

### 5.4 延迟 / 流式要求

- README 定位为**离线视频合成**，非实时对话：
  > Duix.Avatar is a fully offline video synthesis tool designed for Windows systems
- 音频合成接口参数中 **`"streaming": false, // Fixed parameter`** —— **明确关闭流式**（逐字引用）：

```
### **Audio Synthesis**
Interface: `http://127.0.0.1:18180/v1/invoke`

{
  "speaker": "{uuid}", // A unique UUID
  "text": "xxxxxxxxxx", // Text content to synthesize
  "format": "wav", // Fixed parameter
  "topP": 0.7, // Fixed parameter
  "max_new_tokens": 1024, // Fixed parameter
  "chunk_length": 100, // Fixed parameter
  "repetition_penalty": 1.2, // Fixed parameter
  "temperature": 0.7, // Fixed parameter
  "need_asr": false, // Fixed parameter
  "streaming": false, // Fixed parameter
  "is_fixed_seed": 0, // Fixed parameter
  "is_norm": 0, // Fixed parameter
  "reference_audio": "{voice.asr_format_audio_url}", // Return value from previous "Model Training" step
  "reference_text": "{voice.reference_audio_text}" // Return value from previous "Model Training" step
}
```

- **TTFB 阈值：未查到**（离线任务式，无实时指标）。

### 5.5 输出格式要求

- 音频合成接口 `"format": "wav"` —— README 标注 **`// Fixed parameter`**（固定为 wav）。
- `"chunk_length": 100` —— 同样是**固定参数**（属于 fish-speech 的 chunk_length）。
- **采样率要求：README 未声明 → 未查到。**（视频合成走 `http://127.0.0.1:8383/easy/submit`，参数 `audio_url` / `video_url` / `code` / `chaofen` / `watermark_switch` / `pn`。）

---

## 6. aigcpanel（modstart-lib/aigcpanel）

> **owner 确认**：正确仓库为 **`modstart-lib/aigcpanel`**（抓取成功）；README 亦引用 `https://aigcpanel.com` 与 Gitee 同路径。

### 6.1 仓库元数据（shields.io）

| 项 | 值 |
|---|---|
| 仓库 | https://github.com/modstart-lib/aigcpanel |
| 星标 | `{"label":"stars","message":"5.6k",...}` |
| 许可证 | `{"label":"license","message":"Apache-2.0",...}` |
| 最后提交 | `{"label":"last commit","message":"last friday",...}` |

抓取地址：`https://img.shields.io/github/{stars,license,last-commit}/modstart-lib/aigcpanel.json`

### 6.2 README 中的支持模型（逐字引用）

来源：`https://raw.githubusercontent.com/modstart-lib/aigcpanel/main/README.md`

**软件介绍**：

> AIGCPanel 是一款简单易用的一站式 AI 数字人桌面应用，支持 Windows / macOS / Linux 三平台。… 核心能力涵盖：**数字人视频合成**（换口型）、**语音合成 / 克隆 / 识别**、**25+ 音视频处理工具**、**智能直播互动**，Pro 版额外提供**可视化工作流编排**和**云端 AI 模型服务**。
> 软件内置模型市场，支持一键下载启动包，开箱即用；同时兼容远程 API 模型，灵活适配各类部署场景。

**"支持模型 → 声音合成"表格（逐字）**：

> ### 声音合成
> | 模型 | 说明 |
> | [CosyVoice-300M](https://github.com/FunAudioLLM/CosyVoice) | 阿里通义实验室开源 TTS |
> | [CosyVoice-300M-Instruct](https://github.com/FunAudioLLM/CosyVoice) | 指令控制版 |
> | [CosyVoice2-0.5b](https://github.com/FunAudioLLM/CosyVoice) | 第二代轻量版 |
> | [FishSpeech](https://github.com/fishaudio/fish-speech) | 高质量零样本语音克隆 |
> | [IndexTTS](https://github.com/index-tts/index-tts) | 工业级中文 TTS |
> | [SparkTTS](https://github.com/SparkAudio/Spark-TTS) | 讯飞开源语音合成 |
> | [GPT-SoVITS](https://github.com/RVC-Boss/GPT-SoVITS) | 少样本声音克隆 |

**→ aigcpanel 原生 TTS（7 项）**：`CosyVoice-300M`、`CosyVoice-300M-Instruct`、`CosyVoice2-0.5b`、`FishSpeech`、`IndexTTS`、`SparkTTS`、`GPT-SoVITS`。

**"声音识别"表格**：`FunASR`（阿里达摩院开源 ASR，支持带时间戳输出）
**"视频模型"表格**：`MuseTalk`、`LatentSync`、`Wav2Lip`、`Heygem`

### 6.3 是否可插拔？——是（模型市场 + 远程 API）

README 逐字：

> - 本地模型一键导入、启动/停止、日志查看、参数配置
> - 支持远程 API 模型接入
> - 云端 AI 模型服务（无需本地显卡）（VIP）

代码侧（文件树来源 `https://data.jsdelivr.com/v1/packages/gh/modstart-lib/aigcpanel@master`）可见 TTS 走统一任务/工作流抽象：

```
/src/pages/Apps/LongTextTts/...        (长文本转音频)
/src/pages/Apps/SubtitleTts/...        (字幕转音频)
/src/pages/Sound/components/SoundGenerateForm.vue
/src/pages/Sound/components/SoundGenerateSelector.vue   ← 模型选择器
/src/task/SoundGenerate.ts
```

→ **模型以"启动包/模型市场"形式可插拔**，并支持远程 API 模型；但**"接入任意第三方 TTS"的自定义插件文档：未查到**。

### 6.4 延迟 / 流式要求

- README **未给出任何延迟 / FPS / 流式指标**。→ **未查到**。
- 定位是**离线视频合成 + 桌面工具**；"智能直播（VIP）"只声明弹幕监控，未声明实时数字人渲染延迟。

### 6.5 输出格式要求

- README **未声明采样率 / chunk 约束**。→ **未查到**。

---

## 7. SoulX-FlashTalk（Soul-AILab/SoulX-FlashTalk）

### 7.1 仓库元数据（shields.io）

| 项 | 值 |
|---|---|
| 仓库 | https://github.com/Soul-AILab/SoulX-FlashTalk |
| 星标 | `{"label":"stars","message":"1.5k",...}` |
| 许可证 | `{"label":"license","message":"Apache-2.0",...}` |
| 最后提交 | `{"label":"last commit","message":"july",...}` |

抓取地址：`https://img.shields.io/github/{stars,license,last-commit}/Soul-AILab/SoulX-FlashTalk.json`

### 7.2 **结论：不含任何 TTS 引擎**

来源：`https://raw.githubusercontent.com/Soul-AILab/SoulX-FlashTalk/main/README.md`（12367 B）

全文标题逐字：

> **SoulX-FlashTalk: Real-Time Infinite Streaming of Audio-Driven Avatars via Self-Correcting Bidirectional Distillation**

- 定位为 **Audio-Driven**（音频驱动），**输入是音频，不是文本**。
- 全文对 "tts" 的匹配：**0 处**（grep 仅命中标题里的 "Audio-Driven" 与模型名 `chinese-wav2vec2-base`）。
- 依赖组件只有两个（README 表格逐字）：

> | `SoulX-FlashTalk-14B` | Our 14b model | 🤗 [Huggingface](https://huggingface.co/Soul-AILab/SoulX-FlashTalk-14B) |
> | `chinese-wav2vec2-base` | chinese-wav2vec2-base | 🤗 [Huggingface](https://huggingface.co/TencentGameMate/chinese-wav2vec2-base) |

### 7.3 是否可插拔？

- **无 TTS 层，谈不上插拔。** 需要外部 TTS 先产出音频文件，再喂给它。
- 音频嵌入编码器固定为 `chinese-wav2vec2-base`（换音频编码器需改代码，**文档未提供插件点**）。

### 7.4 延迟 / 流式要求

- 推理脚本注释逐字：

> # Real-time inference speed can only be supported on 8xH800 or higher graphics cards

> # Requires more than 64G of VRAM. Use --cpu_offload to reduce VRAM usage to 40G.

- 流式：`generate_video.py` 提供 `--audio_encode_mode`（逐字）：
> help="stream: encode audio chunk before every generation; once: encode audio together"

- **TTS 侧 TTFB 阈值：不适用（无 TTS）。**
- 相关：README News 逐字 —— `2026.02.12 - We have released the SoulX-FlashHead, which is a streaming talking head project that achieves real-time performance on consumer GPUs (e.g., RTX 4090/5090).`

### 7.5 输入音频格式要求（明确，可反推对 TTS 的要求）

来源：`https://cdn.jsdelivr.net/gh/Soul-AILab/SoulX-FlashTalk@main/flash_talk/configs/infer_params.yaml`（逐字全文）

```yaml
frame_num: 33
motion_frames_num: 5
tgt_fps: 25
sample_rate: 16000
sample_steps: 4
sample_shift: 5
color_correction_strength: 1.0
cached_audio_duration: 8
height: 720
width: 416
```

来源：`https://cdn.jsdelivr.net/gh/Soul-AILab/SoulX-FlashTalk@main/generate_video.py`（逐字）

```python
human_speech_array_all, _ = librosa.load(args.audio_path, sr=infer_params['sample_rate'], mono=True)
human_speech_array_slice_len = slice_len * sample_rate // tgt_fps
human_speech_array_frame_num = frame_num * sample_rate // tgt_fps
```

```python
default="examples/cantonese_16k.wav",
help="[meta file] The audio path to generate the video.")
```

- **采样率 16000 Hz、单声道**（`librosa.load(..., sr=16000, mono=True)`）
- **按视频帧切片喂入**：每帧 `sample_rate // tgt_fps = 16000/25 = 640` 个采样点（= 40 ms）
- `cached_audio_duration: 8`（缓存 8 秒音频）
- 官方示例音频文件名即 `cantonese_16k.wav`（16k）

---

## 8. Ultralight-Digital-Human（anliyuan/Ultralight-Digital-Human）

### 8.1 仓库元数据（shields.io）

| 项 | 值 |
|---|---|
| 仓库 | https://github.com/anliyuan/Ultralight-Digital-Human |
| 星标 | `{"label":"stars","message":"2.6k",...}` |
| 许可证 | `{"label":"license","message":"not specified",...}` |
| 最后提交 | `{"label":"last commit","message":"july",...}` |

抓取地址：`https://img.shields.io/github/{stars,license,last-commit}/anliyuan/Ultralight-Digital-Human.json`

> 注：`raw.githubusercontent.com/.../main/README.md` 返回 404；**默认分支为 `master`**，取自 `https://cdn.jsdelivr.net/gh/anliyuan/Ultralight-Digital-Human@master/README.md`。

### 8.2 **结论：不含任何 TTS 引擎**

来源：`https://cdn.jsdelivr.net/gh/anliyuan/Ultralight-Digital-Human@master/README.md`

- 全文对 "tts" 的匹配：**0 处**。
- 推理链路是**从 wav 预提取音频特征为 `.npy`，再喂模型**（逐字）：

> ## inference
> Before run inference, you need to extract test audio feature(i will merge this step and inference step), run this
> 在推理之前，需要先提取测试音频的特征（之后会把这步和推理合并到一起去），运行**(音频采样率需要是16000)**
>
> ```bash
> python data_utils/hubert.py --wav your_test_audio.wav  # when using hubert
> or
> python data_utils/python wenet_infer.py your_test_audio.wav  # when using wenet
> ```
>
> then you get `your_test_audio_hu.npy` or `your_test_audio_wenet.npy`
>
> ```bash
> python inference.py --asr hubert --dataset ./your_data_dir/ --audio_feat your_test_audio_hu.npy --save_path xxx.mp4 --checkpoint your_trained_ckpt.pth
> ```
>
> To merge the audio and the video, run
> ```bash
> ffmpeg -i xxx.mp4 -i your_audio.wav -c:v libx264 -c:a aac result_test.mp4
> ```

**上游 TTS 完全由用户自备**（音频 → 特征 → 视频，再 ffmpeg 合音轨）。

### 8.3 是否可插拔？

- **无 TTS 层。** 音频编码器可选 `wenet` 或 `hubert`（`--asr` 参数），但这是**音频特征提取器**，不是 TTS。

### 8.4 延迟 / 流式要求

- 逐字（流式推理章节）：

> ## 关于流式推理：
> 使用流式推理时，建议把静音的图片和对应的关键点放在单独的目录里，img_inference和lms_inference里。

> 因为一般用到流式推理的场景一般对实时性要求比较高，所以这里我只写了wenet作为音频编码器的情况（**实测在2080这样的机器上多个并发时每帧音频处理+视频处理耗时10ms以内**，需要将模型转为onnx）。

> 这个模型是支持流式推理的，但是代码还没有完善，之后我会提上来。

- **TTS 侧 TTFB 阈值：不适用（无 TTS）。**
- 项目已转向后继项目 **FeatherTalk**（逐字）：
> ## c++流式推理代码已开源到[FeatherTalk](https://github.com/anliyuan/FeatherTalk)🎉 … 它是 Ultralight Digital Human 的整理和升级版，重点优化了音频编码器、训练流程和移动端部署体验。

### 8.5 输入音频格式要求（明确）

- **采样率必须 16000**（原文："音频采样率需要是16000"）
- **视频帧率与音频编码器绑定**（逐字）：
> When you using wenet, you neet to ensure that your video frame rate is 20, and for hubert, your video frame rate should be 25.
> 如果你选择使用wenet的话，你必须保证你视频的帧率是20fps，如果选择hubert，视频帧率必须是25fps。
- **chunk 大小：未查到**（README 未给每帧音频样本数）。

---

## 9. Open-LLM-VTuber（参考：TTS 后端最丰富的类数字人项目）

### 9.1 仓库元数据（shields.io）

| 项 | 值 |
|---|---|
| 仓库 | https://github.com/Open-LLM-VTuber/Open-LLM-VTuber |
| 星标 | `{"label":"stars","message":"14k",...}` |
| 许可证 | `{"label":"license","message":"not identifiable by github",...}`（README 徽章指向 `LICENSE`，第三方页脚称 "the MIT license of this project"） |
| 最后提交 | `{"label":"last commit","message":"may",...}` |

抓取地址：`https://img.shields.io/github/{stars,license,last-commit}/Open-LLM-VTuber/Open-LLM-VTuber.json`

### 9.2 TTS 清单（逐字引用）

来源：`https://raw.githubusercontent.com/Open-LLM-VTuber/Open-LLM-VTuber/main/README.md`（11536 B）

> 🧠 **Extensive model support**:
>   - 🤖 Large Language Models (LLM): Ollama, OpenAI (and any OpenAI-compatible API), Gemini, Claude, Mistral, DeepSeek, Zhipu AI, GGUF, LM Studio, vLLM, etc.
>   - 🎙️ Automatic Speech Recognition (ASR): sherpa-onnx, FunASR, Faster-Whisper, Whisper.cpp, Whisper, Groq Whisper, Azure ASR, etc.
>   - 🔊 **Text-to-Speech (TTS): sherpa-onnx, pyttsx3, MeloTTS, Coqui-TTS, GPTSoVITS, Bark, CosyVoice, Edge TTS, Fish Audio, Azure TTS, etc.**

**→ 10 个已点名 TTS（"etc." 表示还有更多）**：`sherpa-onnx`、`pyttsx3`、`MeloTTS`、`Coqui-TTS`、`GPTSoVITS`、`Bark`、`CosyVoice`、`Edge TTS`、`Fish Audio`、`Azure TTS`。

### 9.3 可插拔性（逐字）

> - 🔧 **Highly customizable**:
>   - ⚙️ **Simple module configuration**: Switch various functional modules through simple configuration file modifications, without delving into the code
>   - 🔌 **Good extensibility**: Modular design allows you to easily add your own LLM, ASR, TTS, and other module implementations, extending new features at any time

→ **配置文件切换 + 可自行新增 TTS 模块实现**（本报告中可插拔性最好的一个）。

### 9.4 延迟 / 流式 / 格式

- README 强调实时语音对话与"voice interruption without headphones"，但**未给 TTS 级延迟数字或采样率约束**。→ **未查到**。
- 注：README 声明 v2.0 正在重写（逐字：`📢 v2.0 Development: We are focusing on Open-LLM-VTuber v2.0 — a complete rewrite of the codebase.`）。

---

## 10. "Awesome-Digital-Human" 类清单

### 10.1 `weihaox/awesome-digital-human`

- 抓取地址：`https://cdn.jsdelivr.net/gh/weihaox/awesome-digital-human@main/README.md`（39329 B）
- 以 `tts|sovits|cosyvoice|chattts|fish|index.?tts|edge|azure|paddle|mega|bark|xtts` 全量 grep：**未命中任何 TTS 后端**（仅误命中 "MEGANE"（眼镜论文）与 "DiffCloth"）。
- **结论：该清单聚焦 3D 数字人 / avatar 生成（NeRF、mesh、gaussian 等），不列 TTS 后端 → 未查到。**

### 10.2 `icemaple77/digital-human`

- 抓取地址：`https://cdn.jsdelivr.net/gh/icemaple77/digital-human@main/README.md`（3404 B）
- 逐字：

> 四个模块(STT / LLM / TTS / 数字人)各自独立,**换实现只改 `.env` 一处**,主程序不动。
> ├─ TTS   文字→声音     (edge 免费 | GPT-SoVITS 自训音色)
> | **嘴 TTS** | `edge`(免费无模型)/ `gptsovits`(自训音色) | `TTS_PROVIDER`;gptsovits 配 `TTS_BASE_URL`+参考音频 |

**→ TTS 后端：`edge`（免费、无模型）/ `gptsovits`（自训音色，走 `:9880 api_v2`）。** 通过 `.env` 的 `TTS_PROVIDER` 切换 —— **配置级可插拔**（但仅两个内置实现）。

---

## 11. 2026 年社区 / 中文博客推荐：数字人该配什么 TTS

### 11.1 LiveTalking 专用 TTS 选型表（CSDN，2026-01-24 发布 / 2026-03-30 更新）

来源：`https://blog.csdn.net/jacke121/article/details/157323875`（标题《LiveTalking 部署笔记》）

该文在 LiveTalking 语境下给出「tts选型」表，逐字摘录（含首包延迟与显存）：

| 算法名称 | 核心特点 | 克隆速度与效果 | 资源/硬件要求 | 一句话总结 |
|---|---|---|---|---|
| **IndexTTS2** | 效果与资源的完美平衡，支持时长与情感精细控制 | 克隆效果好，可控制情感强度，**首包延迟约1.2秒** | **8GB显存** 即可流畅运行 | ✅ **非常适合**，资源友好，效果出色 |
| **FishTTS / FishSpeech** | 速度之王，流式架构带来毫秒级响应 | **首帧延迟低于 500ms**，10秒样本即可克隆 | **显存占用仅 3.2GB**，轻量高效 | ✅ **非常适合**，极速体验，资源占用极低 |
| **CosyVoice** | 全能选手，功能全面均衡，由阿里开源 | 克隆相似度达95%以上，**流式首包延迟低于 150ms** | 显存需求约 **6GB** | ⭐ 可考虑，表现均衡，但非克隆特长生 |
| **XTTS** | 多语言专家，一次训练支持17种语言 | 支持多语言零样本克隆，但社区实测克隆相似度略低于专注中文的模型 | 约 6-8GB | ⚠️ 除非你需要极强的多语言能力，否则不是首选 |
| **SoVITS** | 歌声转换，专为"AI翻唱"设计，非普通语音克隆 | 效果惊艳，但需长音频(10-30分钟)训练，推理显存占用大 | 显存占用大，6GB显存仅能处理30秒音频 | ❌ 不适合，场景是唱歌，且资源消耗大 |
| **EdgeTTS** | 便捷免费的云端服务，非本地克隆算法 | **无法克隆声音**，只能使用微软预设的200多种音色 | 无需显卡，只需网络 | ❌ 不适合，不支持声音克隆 |

**→ 与 LiveTalking 内置列表对照**：IndexTTS2 / FishTTS / CosyVoice / XTTS / SoVITS(即 gpt-sovits) / EdgeTTS **全部都在 LiveTalking 的原生枚举里**（见 §1.3）。也就是说**社区推荐顺序 = IndexTTS2 ≈ FishSpeech > CosyVoice > XTTS > SoVITS/EdgeTTS**。
该文另有一条 LiveTalking 实操原文（逐字）：

> 默认的是edgetts，我选择采用gpt-sovits，edgetts相较于gpt-sovits生成的速度会快一点，但不过音色质量会相对弱一点，如果电脑配置支持，可以在本地部署一个gpt-sovits。

以及：

> --REF_FILE：用于声音克隆的样例音频文件，--REF_TEXT：样例文本信息，--push_url：srs推流服务地址。

### 11.2 2026 开源 TTS 横向对比（掘金，2026-06-12，作者 武子康）

来源：`https://juejin.cn/post/7649764223339495475`
标题逐字：《调查研究-169 开源 TTS 模型横向对比：从"能发声"到"可部署的语音智能基础设施"（2026 版）》

摘要逐字：

> **场景**：面向语音助手、陪伴机器人、短视频配音、有声书、**数字人**、客服播报等场景的 TTS 选型与工程落地。
> **结论**：当前 TTS 已分化为四类——传统工程型（MeloTTS）、零样本克隆型（F5-TTS / Spark-TTS / CosyVoice / IndexTTS2）、LLM 化生成型（VoxCPM / Qwen3-TTS / Fish Audio S2 / CosyVoice）、生产服务型（Qwen TTS Realtime）。

其「版本矩阵」表（逐字，截取列）中的**首包延迟**与许可证：

| 模型 | 最新版本 | 发布时间 | 许可证 | 商业可用 | 首包延迟 |
|---|---|---|---|---|---|
| VoxCPM2 | VoxCPM2 | 2026-04 | Apache-2.0 | ✅ | RTF ≈ 0.13 |
| Qwen3-TTS | 1.7B / 0.6B | 2026-01-22 | Apache-2.0 | ✅ | **端到端 97ms（首字符即出）** |
| Qwen TTS Realtime | 云服务 | 持续迭代 | 阿里云商业 | ✅（按量计费） | **< 200ms（云端 SLA）** |
| CosyVoice 2 | CosyVoice2-0.5B | 2024-12 | Apache-2.0 | ✅ | **首包 150ms** |
| F5-TTS | 1.x | 2024 | MIT | ✅ | 取决于推理后端 |
| IndexTTS2 | 2.0 | 2025-09 | Apache-2.0 | ✅ | 取决于部署 |
| Fish Audio S2 / S2-Pro | S2 / S2-Pro | 2026-03-11 | S2 相对开放 / S2-Pro Research License | ⚠️ S2-Pro 商用需单独授权 | **< 150ms（官方指标）** |
| Spark-TTS | 0.5B | 2025 | Apache-2.0 | ✅ | — |
| MeloTTS | 持续维护 | 2024-12 末次主提交 | MIT | ✅ | **CPU 实时** |

该文对**数字人场景**的直接结论（逐字）：

> 第二类是零样本声音克隆型 TTS。代表包括 F5-TTS、Spark-TTS、CosyVoice、IndexTTS2 等。… 这类模型很适合短视频配音、有声书、个人声音助手、**数字人**和角色语音。

> IndexTTS2 … **它的另一个关键能力是时长控制。视频配音和口型同步经常要求一句话必须在固定时间内说完。** … IndexTTS2 的 duration control 对影视、动画、虚拟人、字幕对齐非常有意义。

> **总体判断：IndexTTS2 适合做情绪配音、角色语音、影视/视频配音、有声书和数字人内容生成。它的上限很高，但商业集成要谨慎。**

> CosyVoice … **总体判断：CosyVoice 是最适合作为"本地中文 TTS 工程底座"的模型之一。** 它未必在每个单项上都第一，但综合能力强，适合认真投入。

> **总体判断：F5-TTS 适合做轻量自部署、声音克隆、内容生产和实验平台。它是"好用的生成工具"，但未必是"实时语音基础设施"的最优解。**

> Fish Audio S2 Pro 模型卡显示 Research License，非商业免费，商业使用需要单独授权。

**补充说明（诚实标注）**：该文的许可证/延迟数据**来自第三方博客转述**，本次调研**未逐一回溯**其原始模型卡；引用时请以该博文为来源。

### 11.3 与框架原生列表的交叉验证（本次调研自洽性检查）

| 社区 2026 推荐 | LiveTalking | OpenAvatarChat | aigcpanel | 备注 |
|---|---|---|---|---|
| IndexTTS2 | ✅ `indextts2` | ❌ | ✅ `IndexTTS` | LiveTalking 文档给"延时4s / 17G"（OmniTTS 路径），CSDN 实测"首包约1.2s / 8G" |
| FishSpeech | ✅ `fishtts` | ❌ | ✅ `FishSpeech` | 三处一致 |
| CosyVoice | ✅ `cosyvoice` | ✅ 本地 + 百炼 | ✅ 3 个版本 | 覆盖最广 |
| GPT-SoVITS | ✅ `gpt-sovits` | ❌ | ✅ | — |
| Edge TTS | ✅ `edgetts`（默认） | ✅ | ❌（不在声音合成表） | LiveTalking / OAC 的零成本起步项 |
| Qwen3-TTS / VoxCPM2 | ✅（经 OmniTTS/vLLM-Omni） | ⚠️ 仅 Qwen-Omni 多模态路径 | ❌ | LiveTalking 通过统一 OmniTTS 网关接新模型 |
| SparkTTS | ❌ | ❌ | ✅ | 仅 aigcpanel |
| F5-TTS / MeloTTS / Bark / XTTS | XTTS ✅（`xtts`，未列入 config 注释） | ❌ | ❌ | Open-LLM-VTuber 覆盖 F5?/MeloTTS/Bark |

**共性结论（2026-09）**：
1. **`CosyVoice` + `Edge TTS` 几乎是所有框架的最小公倍数**（LiveTalking / OpenAvatarChat / Linly-Talker / aigcpanel / Open-LLM-VTuber 全部支持）。
2. **`GPT-SoVITS` / `FishSpeech` / `IndexTTS2` 是第二梯队**，在 LiveTalking 与 aigcpanel 里都有原生位。
3. **纯"音频驱动"的说话头项目（SoulX-FlashTalk、Ultralight-Digital-Human、Duix.Avatar 的合成段）自身不带 TTS**，选型自由度最高但需自建 TTS 服务；**统一落到 16 kHz 单声道**（SoulX 明确 `sample_rate: 16000`；Ultralight 明确"音频采样率需要是16000"）。
4. **实时链路对 TTS 的硬约束是"流式 + 20ms 级 chunk"**，LiveTalking 是最明确的一例（`sample_rate = 16000`、`chunk = 16000//(fps*2) = 320 samples = 20ms`）。

---

## 12. 来源清单（本次实际抓取的全部 URL）

### 12.1 shields.io 元数据

1. `https://img.shields.io/github/stars/lipku/LiveTalking.json`
2. `https://img.shields.io/github/license/lipku/LiveTalking.json`
3. `https://img.shields.io/github/last-commit/lipku/LiveTalking.json`
4. `https://img.shields.io/github/stars/HumanAIGC/OpenAvatarChat.json`（返回 repo not found → 用于确认 owner 变更）
5. `https://img.shields.io/github/stars/HumanAIGC-Engineering/OpenAvatarChat.json`
6. `https://img.shields.io/github/license/HumanAIGC-Engineering/OpenAvatarChat.json`
7. `https://img.shields.io/github/last-commit/HumanAIGC-Engineering/OpenAvatarChat.json`
8. `https://img.shields.io/github/stars/xszyou/Fay.json`
9. `https://img.shields.io/github/license/xszyou/Fay.json`
10. `https://img.shields.io/github/last-commit/xszyou/Fay.json`
11. `https://img.shields.io/github/stars/Korvo-AI/Linly-Talker.json`（repo not found → owner 变更）
12. `https://img.shields.io/github/stars/Kedreamix/Linly-Talker.json`
13. `https://img.shields.io/github/license/Kedreamix/Linly-Talker.json`
14. `https://img.shields.io/github/last-commit/Kedreamix/Linly-Talker.json`
15. `https://img.shields.io/github/stars/duixcom/Duix.Heygem.json`
16. `https://img.shields.io/github/license/duixcom/Duix.Heygem.json`
17. `https://img.shields.io/github/last-commit/duixcom/Duix.Heygem.json`
18. `https://img.shields.io/github/stars/duixcom/Duix.Avatar.json`
19. `https://img.shields.io/github/license/duixcom/Duix.Avatar.json`
20. `https://img.shields.io/github/last-commit/duixcom/Duix.Avatar.json`
21. `https://img.shields.io/github/stars/modstart-lib/aigcpanel.json`
22. `https://img.shields.io/github/license/modstart-lib/aigcpanel.json`
23. `https://img.shields.io/github/last-commit/modstart-lib/aigcpanel.json`
24. `https://img.shields.io/github/stars/Soul-AILab/SoulX-FlashTalk.json`
25. `https://img.shields.io/github/license/Soul-AILab/SoulX-FlashTalk.json`
26. `https://img.shields.io/github/last-commit/Soul-AILab/SoulX-FlashTalk.json`
27. `https://img.shields.io/github/stars/anliyuan/Ultralight-Digital-Human.json`
28. `https://img.shields.io/github/license/anliyuan/Ultralight-Digital-Human.json`
29. `https://img.shields.io/github/last-commit/anliyuan/Ultralight-Digital-Human.json`
30. `https://img.shields.io/github/stars/Open-LLM-VTuber/Open-LLM-VTuber.json`
31. `https://img.shields.io/github/license/Open-LLM-VTuber/Open-LLM-VTuber.json`
32. `https://img.shields.io/github/last-commit/Open-LLM-VTuber/Open-LLM-VTuber.json`

### 12.2 README / 源码 / 配置（GitHub raw）

33. `https://raw.githubusercontent.com/lipku/LiveTalking/main/README.md`
34. `https://raw.githubusercontent.com/lipku/LiveTalking/main/README-EN.md`
35. `https://raw.githubusercontent.com/HumanAIGC-Engineering/OpenAvatarChat/main/README.md`
36. `https://raw.githubusercontent.com/HumanAIGC-Engineering/OpenAvatarChat/main/readme_en.md`
37. `https://raw.githubusercontent.com/HumanAIGC/OpenAvatarChat/main/README.md`（失败：仓库不存在）
38. `https://raw.githubusercontent.com/xszyou/Fay/master/README.md`
39. `https://raw.githubusercontent.com/xszyou/Fay/master/system.conf.bak`
40. `https://raw.githubusercontent.com/xszyou/Fay/master/tts/ali_tss.py`
41. `https://raw.githubusercontent.com/xszyou/Fay/master/tts/ms_tts_sdk.py`
42. `https://raw.githubusercontent.com/xszyou/Fay/master/tts/tts_voice.py`
43. `https://raw.githubusercontent.com/Kedreamix/Linly-Talker/main/README.md`
44. `https://raw.githubusercontent.com/Korvo-AI/Linly-Talker/main/README.md`（失败：仓库不存在）
45. `https://raw.githubusercontent.com/duixcom/Duix.Heygem/main/README.md`
46. `https://raw.githubusercontent.com/modstart-lib/aigcpanel/main/README.md`
47. `https://raw.githubusercontent.com/Soul-AILab/SoulX-FlashTalk/main/README.md`
48. `https://raw.githubusercontent.com/Open-LLM-VTuber/Open-LLM-VTuber/main/README.md`
49. `https://raw.githubusercontent.com/anliyuan/Ultralight-Digital-Human/main/README.md`（404 → 默认分支为 master）

### 12.3 jsDelivr（CDN 与文件树 API）

50. `https://data.jsdelivr.com/v1/packages/gh/lipku/LiveTalking@main`
51. `https://data.jsdelivr.com/v1/packages/gh/HumanAIGC-Engineering/OpenAvatarChat@main`
52. `https://data.jsdelivr.com/v1/packages/gh/Soul-AILab/SoulX-FlashTalk@main`
53. `https://data.jsdelivr.com/v1/packages/gh/modstart-lib/aigcpanel@master`
54. `https://data.jsdelivr.com/v1/packages/gh/Kedreamix/Linly-Talker@main`（403）
55. `https://data.jsdelivr.com/v1/packages/gh/xszyou/Fay@master`（403）
56. `https://data.jsdelivr.com/v1/packages/gh/duixcom/Duix.Heygem@main`（403）
57. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/config.yaml`
58. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/config.py`
59. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/registry.py`
60. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/requirements.txt`
61. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/tts/__init__.py`
62. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/tts/base_tts.py`
63. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/tts/edge.py`
64. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/tts/azure.py`
65. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/tts/doubao.py`
66. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/tts/omnitts.py`
67. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/tts/qwentts.py`
68. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/tts/sovits.py`
69. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/tts/tencent.py`
70. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/tts/xtts.py`
71. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/tts/cosyvoice.py`（404）
72. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/tts/fish.py`（404）
73. `https://cdn.jsdelivr.net/gh/lipku/LiveTalking@main/tts/indextts2.py`（404）
74. `https://cdn.jsdelivr.net/gh/HumanAIGC-Engineering/OpenAvatarChat@main/src/handlers/tts/cosyvoice/tts_handler_cosyvoice.py`
75. `https://cdn.jsdelivr.net/gh/HumanAIGC-Engineering/OpenAvatarChat@main/src/handlers/tts/edgetts/tts_handler_edgetts.py`
76. `https://cdn.jsdelivr.net/gh/HumanAIGC-Engineering/OpenAvatarChat@main/config/chat_with_openai_compatible_edge_tts.yaml`
77. `https://cdn.jsdelivr.net/gh/xszyou/Fay@master/tts/ali_tss.py`
78. `https://cdn.jsdelivr.net/gh/xszyou/Fay@master/tts/ms_tts_sdk.py`
79. `https://cdn.jsdelivr.net/gh/xszyou/Fay@master/tts/tts_voice.py`
80. `https://cdn.jsdelivr.net/gh/Kedreamix/Linly-Talker@main/TTS/README.md`
81. `https://cdn.jsdelivr.net/gh/anliyuan/Ultralight-Digital-Human@master/README.md`
82. `https://cdn.jsdelivr.net/gh/Soul-AILab/SoulX-FlashTalk@main/flash_talk/configs/infer_params.yaml`
83. `https://cdn.jsdelivr.net/gh/Soul-AILab/SoulX-FlashTalk@main/generate_video.py`
84. `https://cdn.jsdelivr.net/gh/weihaox/awesome-digital-human@main/README.md`
85. `https://cdn.jsdelivr.net/gh/icemaple77/digital-human@main/README.md`

### 12.4 官方文档站

86. `https://doc.livetalking.ai/docs/tts/`
87. `https://doc.livetalking.ai/docs/tts/gptsovits/`
88. `https://doc.livetalking.ai/docs/tts/fishspeech/`
89. `https://doc.livetalking.ai/docs/tts/cosyvoice/`
90. `https://doc.livetalking.ai/docs/tts/omnitts/`
91. `https://doc.livetalking.ai/docs/faq/`
92. `https://humanaigc-engineering.github.io/OpenAvatarChat/reference/preset-modes`
93. `https://humanaigc-engineering.github.io/OpenAvatarChat/reference/handlers/tts/bailian-cosyvoice.html`
94. `https://humanaigc-engineering.github.io/OpenAvatarChat/reference/handlers/tts/cosyvoice-local.html`
95. `https://humanaigc-engineering.github.io/OpenAvatarChat/reference/handlers/tts/edge-tts.html`

### 12.5 DeepWiki（第三方代码索引，索引时间 2026-03-29）

96. `https://deepwiki.com/xszyou/Fay/4.2-text-to-speech-(tts)`
97. `https://deepwiki.com/xszyou/Fay/10.1-local-setup-and-configuration`
98. `https://deepwiki.com/xszyou/Fay`
99. `https://deepwiki.com/xszyou/Fay/4-inputoutput-systems`

### 12.6 2026 社区 / 博客

100. `https://juejin.cn/post/7649764223339495475` —《开源 TTS 模型横向对比：从"能发声"到"可部署的语音智能基础设施"（2026 版）》，2026-06-12
101. `https://blog.csdn.net/jacke121/article/details/157323875` —《LiveTalking 部署笔记》，2026-01-24 首发 / 2026-03-30 更新

### 12.7 未查到项汇总（诚实标注）

| 框架 | 未查到内容 |
|---|---|
| LiveTalking | TTS 级 TTFB 硬阈值（FAQ 未涉及 TTS）；`cosyvoice.py` / `fish.py` / `indextts2.py` 的注册名原文（CDN 404） |
| OpenAvatarChat | TTS 级延迟数字（只有系统级"平均响应时间 2.2 秒"）；TTS chunk 大小约束 |
| Fay | TTS 级 TTFB / ms 指标；火山引擎(volcano)输出的采样率（README 与源码未在本轮取到该实现细节） |
| Linly-Talker | TTS 输出采样率 / chunk 约束（README 与 `TTS/README.md` 均未声明） |
| Duix.Avatar | 采样率要求；TTFB（离线任务式）；TTS 替换机制文档 |
| aigcpanel | 任何延迟 / FPS / 流式指标；采样率 / chunk 约束；自定义 TTS 插件文档 |
| SoulX-FlashTalk | TTS 相关项不适用（无 TTS） |
| Ultralight-Digital-Human | TTS 相关项不适用（无 TTS）；每帧音频 chunk 大小 |
| Open-LLM-VTuber | TTS 级延迟数字；采样率约束 |
| awesome 清单 | `weihaox/awesome-digital-human` 不列任何 TTS 后端 |

---

*报告结束。所有引用均来自上列 URL 的实际抓取内容；凡 jsDelivr 与 raw 存在分歧处（Linly-Talker / Ultralight / OpenAvatarChat 的文件树 vs CDN），已在对应章节显式标注。*