Avaturn Live

Avaturn Live 是一套打造擬真 AI 虛擬人的平台，讓它們在即時語音對話中撐得住場面。核心模型 AVTR-1 在單一張 GPU 上以每秒 25 個畫格輸出同步的臉，而且它做的不只是動嘴巴。整張臉會逐格動起來，這也是公司說這些虛擬人是「聽回來」而不只是「說話」的原因。

它解決的問題，是每個做語音代理的人遲早都會碰到的。合成語音的聊天機器人聽起來沒問題，直到你給它一張臉，然後那張臉就出賣了它。傳統的說話頭像工具只把音訊對應到嘴唇，所以使用者一說話，虛擬人就呆滯地盯著。Avaturn Live 讓角色在對話的另一半時間持續反應，這在家教、業務演練與客服上都重要，因為在那裡沉默看起來就像困惑。

主要限制在硬體。自己跑模型需要一張夠好的 NVIDIA GPU、CUDA 12.x 與 TensorRT 10.x，所以自架不是一台筆電就能搞定的週末專案。對多數團隊來說，代管 API 或現成範本才是實際的起點。寫這篇時，我在網站上找不到公開的 API 費率，所以在直接向廠商確認之前，任何成本估計都請當作未經查證。

開始使用

1. 打開儀表板，透過公司自家的上傳流程，大約五分鐘就能設定好一個虛擬人。
2. 挑一個範本或從示範開始，這樣你就不必從零打造工作階段的邏輯。
3. 選一張人像照片或自行上傳，接著接上你的說話與聆聽音訊串流。
4. 在瀏覽器裡測試即時工作階段。檢查唇形同步，以及在你連線上的反應時機。
5. 要上正式環境，就透過 SDK 或 API 連線，或複製 AVTR-1 的程式庫，在自己的 GPU 上自架。