CyberVerse自托管实时数字人代理平台

CyberVerse 是一个开源的自我托管平台，专门打造实时的数字人代理。它不只是一个聊天界面，而是一个完整的语音优先、支持视频的 AI 交互系统。项目在 GitHub 上已获得 1300+ stars，社区活跃度不错。

核心能力：从语音到视频

CyberVerse 的核心是 WebRTC 实时通信，这意味着音频和视频都可以低延迟传送到浏览器或移动端。它内置了角色记忆系统，允许代理记住用户偏好和对话上下文。还集成了RAG（检索增强生成），让代理能读取外部知识库回答问题。更值得提的是，它支持工具调用（function calling），可以连接 API 执行任务。最后，可选择开启数字人视频——利用计算机视觉生成一个仿真面孔说话。

典型使用场景

对开发者来说，CyberVerse 最适合搭建 语音助手 或 角色扮演代理。比如，你可以在家庭服务器上运行一个虚拟管家，通过语音控制智能家居；或者做一个陪伴型 AI，有记忆、有表情，长时间对话更自然。企业也可以用它做客服数字人，不过需要自己处理网络与性能优化。

• 自托管：数据完全本地，隐私安全有保障
• 模块化：可以单独启用/关闭数字人视频、RAG、记忆等组件
• 语音优先：天然支持实时语音对话，适合无屏幕场景

部署与上手

CyberVerse 使用 Python 编写，依赖包括 FastAPI、WebRTC 库、以及可选的视频模型。部署需要 GPU（至少 4GB VRAM）来实现数字人视频；如果只用语音和文本，CPU 也可以跑。安装过程需要 Docker 或手动配置环境，官方文档提供了 docker-compose 示例。对于有 Linux 服务器基础的人来说，差不多一小时能跑起来。

实际用下来，语音延迟在 500ms 左右（取决于模型和网络），数字人视频稍高一点。角色记忆的效果看配置的嵌入模型，常见用 all-MiniLM-L6-v2 就够。RAG 支持多种文档格式，但文档导入目前没有图形界面。

一个值得注意的点：CyberVerse 的分支版本和配置选项较多，新手容易在环境搭建上卡住。建议先从纯语音模式开始，熟悉后再叠加视频。

实用建议与要点

1. 硬件先决：要跑数字人视频，NVIDIA RTX 3060 以上显卡体验较好。纯语音则随便一台 Linux 服务器就行。
2. 配置记忆：角色记忆需要填写 prompt 模板，建议从官方示例开始改，避免空模板导致对话无个性。
3. 网络优化：如果用于外网访问，需要配置 TURN 服务器（WebRTC 打洞需要），内网则用 STUN 就够了。
4. 社区支持：项目有 Discord，遇到部署问题可以直接问开发者。

CyberVerse 是一个有野心的开源项目，把语音、记忆、RAG、数字人视频整合在一起，而且完全自托管。虽然部署有些门槛，但对于追求数据隐私和定制化的人来说，这可能是目前最完整的开源方案。如果只是好奇数字人交互，也可以从它开始探索。