前言
8G 显存除了跑大模型，还能玩点什么不一样的？
比如，在本地部署一个能听、能说，还能和你实时语音聊天的 AI 赛博女友。
对着麦克风说话，她能听懂你的声音并自然回答，同时驱动人物口型。形象、声音和性格都可以按照自己的喜好调整，还能接入本地大模型，把原本只存在于聊天框里的 AI，变成一个更有真实交流感的数字人。
整套系统的硬件门槛也不算高，使用 8G 显卡就可以运行，普通的消费级显卡也能体验到一套完整的本地 AI 语音交互系统。
1 项目介绍
项目地址：https://github.com/JunWan666/voice-companion-bundle
Voice Companion Bundle 是一套面向 Windows + WSL2 的本地 AI 数字人语音交互整合包，将语音识别、大模型对话、音色克隆、TTS 语音合成和数字人口型同步等功能整合到了一起。
部署完成后，可以直接通过浏览器麦克风与 AI 进行实时语音对话。系统会识别语音内容，交给大模型生成回复，再通过 TTS 合成对应声音，并同步驱动数字人口型。
整个项目主要包含以下几部分：
- 语音识别：使用 Faster-Whisper 进行实时语音识别。
- 大模型对话：支持 OpenAI 兼容接口，可接入在线 API 或本地大模型。
- 语音合成：通过 Qwen3-TTS 实现语音输出和参考音色克隆。
- 数字人驱动：使用 LiveTalking + Wav2Lip 实现人物口型同步。
- 个性化设置：支持修改助手人设、参考音色和数字人形象。
- 一键安装：提供 Windows PowerShell + WSL2 Ubuntu 自动安装流程。
项目整体以本地部署为主，模型、人物、音色、API Key 和运行日志都保存在自己的电脑中。
2 下载部署启动整合包
打开项目的 GitHub Release页面，下载最新版本的 Voice Companion Bundle 整合包。
项目Release地址：https://github.com/JunWan666/voice-companion-bundle/releases/tag/v1.0.1
下载完成后，将压缩包解压到本地目录，解压后进入目录，可以看到一个名称为【setup.ps1】的脚本：
在当前文件夹空白处按住 Shift 键并点击鼠标右键，选择【在此处打开 PowerShell 窗口】：
接着，在PowerShell窗口中，输入【./setup.ps1】命令回车，按照提示完成剩下步骤，如下图：
首次执行setup.ps1脚本会下载安装ubuntu系统和创建好用户，接着再次执行setup.ps1脚本：
接着会根据显卡默认推荐对应档位，以及自动测试推荐更快的下载源，默认回车即可:
这个部分会下载系统依赖，还会下载 Python 包管理环境、开源项目所需资源、数字人相关资源以及Qwen TTS 语音合成资源等，下载完成后如下图：
这里会要求填写一个DeepSeek API的key,默认使用在线的LLM来进行驱动，减少对显卡的资源占用，前往DeepSeek官方创建一个key即可：
https://platform.deepseek.com/api_keys
如下图：
接着回填到终端中，填写后会进行启动数字人服务，启动完成后会自动浏览器打开页面，如下图所示：
这样就部署和启动好了！
3 对话测试与功能介绍
项目启动后，就可以直接测试语音对话效果了。
首先点击页面左上角的设置图标，选择当前使用的麦克风设备：
然后点击【开始】按钮。稍等片刻，数字人会先进行一次语音回应，同时可以看到人物口型也会跟随声音同步变化。
等数字人回答完成后，会出现麦克风，此时可以进行说话，如果环境太嘈杂，可以在设置中设置麦克风的噪声门限：
接着介绍一下功能设置，点击右上角的设置按钮，可以看到助手页面，可以在该页面进行自定义人设：
其次是音频页面，可以上传一段其他的参考音频，进行音色克隆。还有前面提到的噪声门限就是在这里设置：
接着来到形象页面，可以上传一段人物视频，生成新的人物形象，数字人形象稍微吃显存，可以根据需要调整画质：
最后是【服务】页面，这里主要用于配置负责对话的 LLM。项目默认使用 DeepSeek 在线 API，也支持添加其他 OpenAI 兼容服务，后面还可以通过 LM Studio 接入运行在本机的大模型:
到这里，Voice Companion 的基础对话、人物形象、音色和服务配置就都已经了解了。默认使用在线大模型已经可以正常完成对话，接下来再把负责回答的 LLM 换成本地模型，让整套交互链路进一步本地化。
4 使用 LM Studio 部署本地大模型
前面使用的是 DeepSeek 在线 API，虽然使用起来比较方便，但 Voice Companion 同样支持接入运行在本机的大模型。
这里使用 LM Studio 来部署本地模型。它提供了图形化的模型下载、加载和运行界面，不需要手动配置复杂的推理环境，比较适合直接在 Windows 上运行本地大模型。
打开 LM Studio 官网，下载并安装 Windows 版本：
LM Studio 官网：https://lmstudio.ai/download
下载下来后，双击安装，然后进入界面后，点击左下角设置，可以先将语言改为中文：
接着，点击左侧边第4个，这里以 gemma 4模型为例，选择一个点赞较多的无审查版本：
可以看到提示【可能能够完全加载进 GPU 显存】，代表这个模型可以完整的加载进你的显卡显存中，跑起来的速度一般会比较快的,点击侧边按钮下载即可：
下载完成后，在顶部选择要加载的模型，进行加载：
加载完成后，就可以进行对话测试了，这里发了一句【你好】进行测试：
可以看到输出的token速度还是不错的，有34 token/s的速度。到这里本地模型就部署好了！
5 启用LM Studio的API服务并修改数字人走本地模型
点击左侧边栏的第二个，在Server Settings中，修改端口为一个未被windows保留的端口，如12345，然后任务栏右键LM Studio图标，点击启动服务（也可以点击Server Settings左侧的按钮启动服务）：
启动后，可以从日志中看到，服务启动成功：
这样就可以使用LM Studio的API 服务了,Base URL地址如下：
http://localhost:12345
接着回到数字人服务页面，右上角设置按钮，进入服务页面，然后点击新增提供商，提供商名称自定义即可，BaseURL填写上面的地址，模型ID先输入任意字符，然后点击拉取模型，再删除刚才输入的任意字符，下拉框选择前面下载好的本地模型，点击测试，测试成功后点击保存并切换：
切换成功后，返回主页，点击开始按钮，等待数字人回答或主动对话测试（可以打开任务管理器查看GPU占用）：
可以看到，在数字人生成回答时，GPU 占用会明显上升，说明当前对话已经成功切换到本地 LLM 进行推理。至此，Voice Companion 的语音识别、数字人口型、TTS 以及大模型对话就已经可以在本地协同运行。
6 下载安装cpolar
前面已经完成了 Voice Companion 的本地部署，也成功接入了在线和本地大模型，并测试了语音对话、数字人口型以及相关设置功能。
不过目前这个页面主要还是运行在本地电脑上，如果人在外面，手机切换到移动网络，就无法直接访问这套本地数字人服务。
为了让这个 AI 虚拟伴侣不只停留在电脑里，接下来可以使用 cpolar 内网穿透，把 Voice Companion 的本地 Web 服务映射成一个公网地址。这样即使没有公网 IP，也不用配置复杂的路由器端口转发，在手机、平板或者其他电脑上打开浏览器，就可以远程访问并继续进行语音对话。
6.1 什么是cpolar?
- cpolar 是一款内网穿透工具，可以将你在局域网内运行的服务（如本地 Web 服务器、SSH、远程桌面等）通过一条安全加密的中间隧道映射至公网，让外部设备无需配置路由器即可访问。
- 广泛支持 Windows、macOS、Linux、树莓派、群晖 NAS 等平台，并提供一键安装脚本方便部署。
6.2 下载安装cpolar
打开cpolar官网的下载页面：https://www.cpolar.com/download
点击立即下载 64-bit按钮,下载cpoalr的安装包:
下载下来是一个压缩包,解压后执行目录种的应用程序,一路默认安装即可,安装完成后,打开cmd窗口输入如下命令确认安装:
cpolar version
出现如上版本即代表安装成功!
6.3 注册及登录cpolar web ui管理界面
官网链接：https://www.cpolar.com/
访问cpolar官网，点击免费注册按钮，进行账号注册
注册完成后,在浏览器中输入如下地址访问 web ui管理界面:
http://127.0.0.1:9200
输入刚才注册好的cpolar账号登录即可进入后台页面:
7 使用cpolar穿透 Voice Companion
首先，点击【隧道管理】下的【创建隧道】进入创建隧道页面，自定义一个隧道名称，本地地址填写Voice Companion项目的访问端口，然后点击创建即可：
接着，来到状态下的在线隧道列表，可以看到同一隧道2条不同协议的公网地址：
这里以https进行访问测试：
可以看到，通过公网地址访问后，语音对话、数字人口型和模型回复都可以正常工作。这样一来，Voice Companion 就不再局限于本地电脑，在外网环境下也可以通过浏览器随时访问和使用。
8 固定二级子域名
前面通过 cpolar 已经可以生成公网地址并正常访问 Voice Companion，不过免费生成的随机域名可能会发生变化。如果希望长期保存一个固定的访问地址，可以继续配置 cpolar 的固定二级子域名。
8.1 保留二级子域名
首先登录 cpolar 官网后台，进入【预留】页面:
https://dashboard.cpolar.com/reserved
选择与当前隧道相同的地区，然后填写一个未被占用的二级子域名并保存：
| 配置项 | 填写说明 |
|---|---|
| 地区 | 选择和前面隧道一致的地区，如：China Top |
| 名称 | 自定义二级子域名，例如 voice01，注意：该项不能重复，二级子域名名称是唯一的 |
| 描述 | 填写任意方便辨识的备注即可 |
如下图：
填写完成后，点击【保留】按钮。保留成功后，会得到一个固定的二级子域名。
8.2 修改隧道为子域名方式
接着，回到【隧道管理>隧道列表】下，点击编辑7860这条隧道：
将域名类型修改为【二级子域名】，并填写刚才在官网后台保留的二级子域名，然后点击更新按钮:
更新完成后，点击左侧菜单【状态>在线隧道列表】，可以看到 7860 隧道已经变成固定公网地址:
复制生成的固定公网地址，在浏览器中访问：
可以看到，通过固定公网地址同样可以正常访问 Voice Companion。这样后续就不需要担心随机地址发生变化，无论是在电脑还是手机上，都可以通过同一个固定地址远程进行语音对话。
9 配置HTTP Auth添加访问认证
通过前面的配置，Voice Companion 已经可以通过固定公网地址进行远程访问。
不过，与只在本地电脑上使用不同，配置公网访问后，任何知道公网地址的人都有可能尝试打开 Voice Companion 页面。如果只是自己使用，可以继续通过 cpolar 的 HTTP Auth 功能增加一层账号密码认证，避免其他人直接访问。
首先，进入 cpolar Web UI 的【隧道管理 > 隧道列表】，找到前面创建的 7860 隧道，然后点击右侧的【编辑】：
在隧道编辑页面中展开【高级】设置，找到【HTTP Auth】配置项，按照下面的格式填写用户名和密码：
注意：HTTP Auth 属于公网隧道的访问保护，并不是 Voice Companion 本身的用户系统。建议设置一个不容易被猜到的独立密码，并优先使用 HTTPS 公网地址访问。
用户名:密码
如下图所示，设置好后点击更新：
接着重新打开 Voice Companion 的 HTTPS 公网地址，此时浏览器会弹出身份验证窗口：
这样就成功给公网访问增加了一层身份认证。后续即使公网地址被其他人获取，也无法在不知道账号密码的情况下直接打开数字人页面。
总结
通过这次部署，可以看到 Voice Companion 并不只是一个简单的聊天页面，而是把语音识别、大模型对话、TTS 语音合成、音色克隆以及数字人口型同步整合到了一起，让原本只存在于聊天框中的 AI，变成一个可以直接通过语音交流的本地数字人。
通过实际体验可以看到：
- Voice Companion 支持直接通过麦克风进行实时语音对话，系统会完成语音识别、模型回复、语音合成以及数字人口型同步；
- 人物形象、参考音色和助手人设都可以根据自己的需求进行调整，能够进一步自定义数字人的外观、声音和性格；
- 默认可以接入 DeepSeek 等在线大模型 API，减少本地显卡资源占用，也可以通过 LM Studio 接入本地大模型，让整套对话链路进一步本地化；
- 结合 cpolar 后，即使本地没有公网 IP，也可以将 Voice Companion 映射到公网，通过手机、平板或者其他电脑远程进行语音对话；
对于想体验本地 AI 数字人、语音助手或者 AI 虚拟伴侣的用户来说，Voice Companion 提供了一套相对完整的整合方案。不需要分别搭建语音识别、TTS、数字人口型和大模型服务，就可以比较直观地体验完整的本地 AI 语音交互流程。
感谢您阅读本篇文章，有任何问题欢迎留言交流。cpolar官网-安全的内网穿透工具 | 无需公网ip | 远程访问 | 搭建网站
