Duix

硅基智能近日开源了 Duix Mobile —— 一个专为移动端和嵌入式终端设计的实时对话数字人 SDK。它允许开发者将自有或第三方的大语言模型（LLM）、语音识别（ASR）和语音合成（TTS）服务，快速集成到一个具备自然表情、唇动同步、情绪共鸣的数字人界面中。

核心定位

Duix Mobile 并非一个封闭的“数字人应用”，而是一个可嵌入、可定制、可扩展的开发工具包（SDK）。其目标是让任何需要“拟人化交互”的产品，都能在手机、平板、车载屏、VR 设备、IoT 终端甚至大屏上，快速部署一个低延迟、高真实感的对话数字人。

关键技术特性

流式音频支持（2025 年 7 月上线）

支持边合成、边播放的流式 TTS 输出，并允许用户在数字人说话过程中中途打断或抢话。这一机制大幅提升了对话的自然性和实时性，避免传统“听完才能回”的机械感。

极致低延迟

在搭载 骁龙® 8 Gen 2 SoC 的测试设备上，端到端响应延迟低于 120ms。从用户语音输入到数字人开始回应，整个流程接近人类对话节奏。

弱网/离线友好

核心对话逻辑与渲染可在本地完成，对网络依赖极低。特别适合金融、政务、法律、医疗等对稳定性与隐私要求高的场景。

精准唇动同步

数字人嘴型与语音高度匹配，支持多语种字幕叠加，提升可访问性与观看体验。

轻量化设计

资源占用低，可在主流 Android/iOS 手机、平板及嵌入式屏幕设备上流畅运行，无需高端 GPU 或专用芯片。

集成灵活性

• 支持自定义 LLM/ASR/TTS：开发者可接入自己的大模型或第三方服务（如 Whisper、Azure TTS、通义千问等）；
• 提供语音回调接口：支持监听语音开始/结束事件，便于与业务逻辑联动；
• 模块化架构：面部动画、语音驱动、UI 渲染等模块解耦，便于按需定制。

数字人定制

• 开箱即用提供 8 个公有数字人形象；
• 如需专属形象，仅需提供 15 秒至 2 分钟的视频素材，即可完成定制；
• 定制流程简单，支持企业级交付（可通过官方企业微信联系）。

应用场景

Duix Mobile 适用于任何需要“拟人化语音交互”的产品场景，包括但不限于：

• 智能客服：在银行、电信等 App 中嵌入 24 小时数字客服；
• 虚拟医生/律师/教师：在医疗、法律、教育类应用中提供陪伴式问答；
• 车载助手：在车机系统中实现自然语音交互，提升驾驶安全；
• 零售导购：在智能屏或 POS 终端上提供商品讲解；
• VR/AR 交互：在虚拟空间中构建可对话的数字角色。

生态联动

Duix Mobile 是 Duix 系列开源项目的一部分，其他相关工具包括：

• Duix.com：云端实时交互数字人服务（SaaS）；
• Duix-Avatar：开源 AI 数字人视频生成工具；
• Duix-Reface：开源实时高保真人脸替换引擎。