刚看到这个项目，挺有趣的，其实从vad/text/video 到 audio(asr)-tts->rag->llm这一套相当于直播或者数字人的前半部分，在加上数字人服务，推流或者ws直接返回流数据，相当于整个完整的链路。当然中间还有很多细节，比如校正纠错等等。确实是一个很好的项目，持续关注下
刚看到这个项目，挺有趣的，其实从vad/text/video 到 audio(asr)-tts->rag->llm这一套相当于直播或者数字人的前半部分，在加上数字人服务，推流或者ws直接返回流数据，相当于整个完整的链路。当然中间还有很多细节，比如校正纠错等等。确实是一个很好的项目，持续关注下