tegnike/aituber-kit

A web application for chatting with AI characters that anyone can easily set up and deploy.

AITuberKit 是什么？

AITuberKit 是一个开源工具包，可让您构建基于网页的「AI主播」——即能够说话、倾听，甚至在 YouTube 等平台上进行直播的虚拟角色。它整合了：

大型语言模型（LLMs） — 您可以接入 OpenAI、Anthropic、Gemini、Ollama 等多种 API。
语音合成 — 支持 VOICEVOX、ElevenLabs、Azure 等众多 TTS 引擎，将模型的文本转化为语音对话。
角色渲染 — 支持 2D（Live2D）、3D（VRM）或动画 PNG 角色在网页上显示。
交互模式 — 可在浏览器中聊天、响应 YouTube 直播评论、在数字标牌 kiosk 上运行，或作为游戏解说机器人使用。

所有功能均打包为一个 Next.js 应用，可本地运行、在 Docker 中运行，或部署到 Vercel、Cloudflare Workers 等无服务器平台。

谁会使用它？

目标用户	为何适合
内容创作者 / 直播主	将虚拟角色变为自动回复观众评论的直播主持人。
教育者 / 爱好者	无需编写底层代码，即可快速原型化 AI 驱动的教学助手或演示角色。
企业	只要获得商业许可，即可在网站或 kiosk 上部署品牌化的 AI 助手。
开发者	可通过 WebSocket API、自定义提示词，或插件方式扩展新 TTS/LLM 服务。

它如何工作？

前端 — 一个 Next.js UI 显示角色（VRM/Live2D/PNG），并捕获麦克风或摄像头输入。
后端 — 服务器端代码将用户文本/音频转发给选定的 LLM 或 OpenAI Realtime API，接收响应，并可选地调用 TTS 服务生成音频。
记忆机制 — 短期对话在会话中保持；可配置 RAG 风格的长期存储以获取历史上下文。
模式 —
- 聊天模式 — 浏览器内直接聊天。
- YouTube 直播模式 — 轮询 YouTube 评论（或 OneComme），让角色自动回复。
- 演示/kiosk 模式 — 全屏、密码保护显示，含 NG 词过滤。
- 游戏解说模式 — 捕获屏幕帧，运行图像分析，生成实时解说。
部署 — npm run dev 用于本地开发，Docker Compose 用于容器化运行，或一键部署至 Vercel/Cloudflare Workers。

今天你能用它做什么？

使用任何支持的 LLM 与 AI 角色对话。
通过数十种 TTS 提供商添加语音。
在 YouTube 上直播，并让角色自动回复实时聊天。
在 kiosk 上运行，通过人脸识别迎接访客。
启用低延迟 Realtime API，实现快速双向对话。
通过 WebSocket 或简单 HTTP API 与外部应用连接，向角色发送文本或图像。

入门容易吗？

git clone … && cd aituber-kit && npm install
复制 .env.example → .env，并填入所需的 API 密钥（OpenAI、ElevenLabs 等）。
npm run dev（或双击 LAUNCH.bat / LAUNCH.command）。
打开 http://localhost:3000，您将看到角色界面。

Docker 用户可将步骤 2–3 替换为 docker compose up -d。

与类似项目相比如何？

特性	AITuberKit	通常的「VTuber」机器人（如 VTube Studio + 自定义脚本）
一体化	开箱即用提供 UI、LLM 集成、TTS、直播和部署脚本。	通常需要手动拼接多个工具。
模型支持	VRM、Live2D、动画 PNG。	通常仅支持一种格式。
LLM 多样性	支持 20+ 提供商，包括本地 Ollama 和 OpenRouter。	通常仅支持 OpenAI。
部署选项	本地、Docker、Vercel、Cloudflare Workers。	多为本地运行。
商业许可	付费使用需单独许可（政策明确）。	各不相同，常不清晰。

背后是谁？

该项目是 Pixiv 的 ChatVRM 的分支，由一群日语开发者社区维护（详见贡献者长列表）。仓库活跃被星标和 fork，作者提供演示站点、文档站点和 Discord 社区以供支持。

有哪些风险？

自定义许可 — 商业使用需另行协议；必须阅读许可文件。
API 密钥处理 — 后端代理请求，但生产环境仍需保护您的密钥。
模型资产 — 内置角色模型有各自限制性许可（禁止商业再分发）。

TL;DR

AITuberKit 是一个功能较完整的开源平台，用于创建 AI 驱动的虚拟主持人。它集成了 LLM 聊天、语音合成、角色渲染和直播集成，可本地运行或部署到云端。如果您想快速将 AI 角色变为 YouTube 说话角色或 kiosk 助手，此工具包可提供大部分基础功能，前提是您遵守自定义许可条款。