企业官网建设流程全解析

CyberVerse是一个开源的实时数字人 Agent 平台：基于 WebRTC 构建语音优先（voice-first）的 AI 智能体，内置人设记忆、SubAgent 任务、RAG 知识库，并可选接入数字人视频。本文将带你以纯语音数字人 Agent模式，在约 10 分钟内完成一次零 GPU 的完整部署。

先认识一下它的工作方式——CyberVerse 把"多源感知输入 → 智能决策引擎 → 数字人呈现与交互"封装成了可替换的插件化模块，新手只需关心配置与启动：

部署完成后，你可以在浏览器里直接和语音数字人"视频通话"，随时插话、打断：

一、部署前检查：环境要求清单

纯语音模式不需要本地 GPU，运行成本只取决于你使用的 LLM / TTS / ASR 服务商。

一条命令验证是否就绪：

node --version && go version && ffmpeg -version && conda --version

二、第 1 步：克隆 CyberVerse 仓库

git clone https://gitcode.com/gh_mirrors/cyb/CyberVerse.git cd CyberVerse

仓库整体结构一览（后面会用到）：

• frontend/ — Vue 前端，角色管理与对话界面
• inference/ — Python 推理服务（LLM / TTS / ASR / RAG 插件）
• server/ — Go API 服务与 WebRTC 编排
• infra/config/cyberverse.yaml — 核心配置模板

三、第 2 步：创建 Python 环境并配置 API Key

conda create -n cyberverse python=3.10 conda activate cyberverse

复制配置模板并填入你的 API Key（阿里云 Qwen 或火山引擎 Doubao 任选其一）：

cp -r infra/config config

编辑config/env：

# 方式一：阿里云 Qwen 系列 DASHSCOPE_API_KEY=your_dashscope_api_key # 方式二：火山引擎 Doubao 系列 DOUBAO_ACCESS_TOKEN=your_doubao_access_token DOUBAO_APP_ID=your_doubao_app_id

💡 omni、LLM、Embedding、TTS、ASR 的模型定义会自动从 infra/config 下的*_models/目录发现；服务启动后，也可以在 Web 界面的/settings页面随时修改 API Key 与端点。

四、第 3 步：启用 voice-only 纯语音模式（关键一步）

编辑config/cyberverse.yaml，把数字人视频推理关闭：

inference: avatar: enabled: false

这一行决定了你的部署形态：enabled: false时，CyberVerse 作为纯语音 Agent 助手运行，无需下载任何 Avatar 模型权重。完整模板见 infra/config/cyberverse.yaml。

五、第 4 步：一键安装全部依赖

make setup

Makefile 中的setup目标会一次完成三件事：安装 Python 可编辑包（[dev,inference]）、生成 gRPC stubs、安装前端npm依赖。如后续想扩展更多语音组件，可追加：

pip install -e ".[all]"

六、第 5 步：三终端启动服务

三个服务全部起来后，部署即完成 ✅

七、第 6 步：验证部署结果

curl -s http://localhost:8080/api/v1/health

浏览器打开http://localhost:5173，进入角色列表即可开始体验——点击任意角色的「启动」，即可发起一次全双工语音会话：

角色支持自定义人设风格、欢迎语，还可以为角色导入素材库文档建立 RAG 索引，让回答贴合角色背景与设定：

八、进阶：升级到完整数字人视频模式

当你的 GPU 满足条件（CUDA 12.8+、RTX 5090 或 RTX PRO 6000 档位），只需三步：

1. 下载模型权重：models/flash_head/（FlashHead 1.3B）或 models/SoulX-LiveAct/（LiveAct 18B）
2. 在config/cyberverse.yaml中把inference.avatar.enabled改回true，并指定default: "flash_head"
3. 编辑config/avatar_models/flash_head.yaml，把 checkpoint 路径指向本地权重

详细参数见 README.zh-CN.md 的「完整数字人视频模式」章节。

九、常见问题快速自检

视频卡顿、落后于语音？看推理终端日志中的 RTP 指标（RTP = 生成耗时 / 播放时长）：

• RTP < 1：有余量，可稳定实时推流
• RTP > 1：生成跟不上播放 → 降低分辨率、换model_type: "lite"，或增加 GPU（runtime.world_size）

远程访问连不上音视频？使用streaming_mode: direct时，浏览器必须能访问服务器8443/TCP（内嵌 TURN）。不可达时可用 SSH 隧道转发，详见 README.zh-CN.md 的「远程访问说明」。

🎉 至此，你已完成一次CyberVerse 纯语音数字人 Agent的完整部署：从克隆仓库到浏览器里与语音 Agent 对话，全程约 10 分钟。接下来可以试试为角色写入人设提示词、导入知识库素材，或者按进阶章节接入本地数字人视频模型。