跳转至

使用概览

使用指南说明 OpenTalking 的日常操作方式：如何从命令行启动和调试服务，如何在 WebUI 中选择 Avatar、切换模型、配置音色并完成一次会话。

如果你还没有把项目跑起来，建议先完成快速开始；如果你已经能打开 WebUI，本章可以作为后续使用和排查问题的入口。

本章适合谁

本章面向已经完成基础安装、希望进一步使用 OpenTalking 的开发者和集成者。你可以在这里找到：

  • 启动 OpenTalking 服务、前端页面和相关脚本的方法。
  • 在 WebUI 中完成 Avatar、模型、音色和会话配置的流程。
  • 准备自定义 Avatar、试听或复刻音色的操作路径。
  • 常见参数、端口、后端和环境变量的说明。

本章不会把所有模型能力、业务案例和 API 字段混在一起。它只回答一个问题：当前版本应该怎么用。

主要使用方式

命令行工具

命令行工具更适合开发、联调、部署前验证和自动化脚本。你可以用它启动 unified 服务、切换推理后端、指定模型、检查服务状态、准备 Avatar 资产，以及运行 QuickTalk 性能测试。

推荐先看命令行工具，再根据需要进入命令行进阶参数。

WebUI

WebUI 更适合交互式验证。它提供 Avatar 选择、模型选择、TTS Provider 和音色配置、文字/语音会话、视频创作、视频克隆、状态提示等能力。产品、算法、解决方案同学也可以通过 WebUI 快速确认一个 Avatar、音色或离线视频结果是否符合预期。

推荐先看WebUI 基础使用，再按需求查看自定义 Avatar、音色与 TTS、视频创作和视频克隆。

推荐路径

我想快速体验界面

  1. 按照快速开始启动 Mock 模式。
  2. 打开 WebUI。
  3. 阅读WebUI 基础使用，完成 Avatar、模型、音色和会话配置。

Mock 模式不依赖模型权重，适合确认前后端流程、页面交互和基础链路是否正常。

我想自定义 Avatar

  1. 先用内置 Avatar 跑通一次会话。
  2. 阅读自定义 Avatar，确认图片、视频素材和模型兼容性。
  3. 在 WebUI 上传图片，或使用脚本生成 Wav2Lip 资产。
  4. 回到 WebUI 选择新 Avatar 进行验证。

我想配置音色 / TTS

  1. 阅读音色与 TTS，确认当前要使用的 TTS Provider。
  2. 在 WebUI 中选择默认音色或试听音色。
  3. 如需声音复刻，再补充 Provider Key、样本音频和公开访问地址等配置。

我想制作一段数字人口播视频

  1. 先确认 WebUI 能打开，并至少有一个可用 Avatar。
  2. 阅读视频创作（视频制作），选择当前后端已连接的 talking-head 生成模型。
  3. 选择音频来源：上传音频、文本合成，或先复刻音色再生成口播。
  4. 生成后在右侧预览结果，或进入资产库下载生成视频。

视频创作是离线/准实时生成流程，不需要进入实时对话会话，也不会占用 WebRTC 会话。

我想用摄像头驱动数字人表情

  1. 先按 FasterLivePortrait 部署文档启动 OmniRT runtime。
  2. 阅读视频克隆，选择 source 数字人形象。
  3. 使用摄像头或上传 driving video 作为表情和头动输入。
  4. 根据画面效果调整拼回原图、裁剪 driving、驱动区域和嘴部参数。

我想用命令行启动服务

  1. 阅读命令行工具，了解统一入口和常用脚本。
  2. 使用 scripts/start_unified.sh 启动 Mock、本地模型或 OmniRT 模式。
  3. 需要改端口、host、后端地址时，再查命令行进阶参数。

本章不包含什么

业务场景案例

客服数字人、直播导购、课程口播、私有助手等内容会放在案例教程中。使用指南只保留通用操作流程。

模型与推理后端选择

不同模型、推理后端、生产拓扑和后续支持计划会放在模型支持中。使用指南只说明如何在当前工具中选择和传递这些配置。

API Schema

当前推荐的上手路径仍以 WebUI 和命令行工具为主。详细 API 字段、事件协议和资产格式会在后续参考资料中整理。

下一步