RepoPicks Radar

Actualizado todos los días hacia las 23:30 UTC

Guías

VideoChat

Henry-23/VideoChatRevisado por IA

Revisado por RepoPicks Radar el

¿Qué es VideoChat?

Una demo que ejecutas tú mismo y que convierte un video grabado de una persona en un avatar hablante con el que puedes conversar: escucha tu micrófono, responde con un modelo de lenguaje y contesta en voz alta mientras el rostro sincroniza los labios, con el primer audio en unos 3 segundos. Puedes añadir tu propio video de avatar y clonar una voz a partir de una muestra de 3 a 10 segundos. Está armada con FunASR, Qwen, GLM-4-Voice, GPT-SoVITS, CosyVoice y MuseTalk, necesita Ubuntu, Python 3.10, CUDA y una tarjeta NVIDIA con 8 a 20 GB de memoria, y las instrucciones principales están en chino.

¿Qué tan fácil es instalar VideoChat?

D · terminal, varias herramientas o tarjeta específica · Linux

Linux es la única plataforma documentada y es una D: el README pide "ubuntu 22.04, python 3.10, CUDA 12.2", un entorno conda, `pip install -r requirements.txt` con alrededor de un centenar de paquetes fijados, un clon con `git lfs` desde ModelScope para obtener los pesos del modelo, y una clave de API pegada en la línea 14 de `app.py` antes de que `python app.py` abra la página local. El requisito de tarjeta gráfica es de unos 8 GB para el modo en cascada y 20 GB para el modo de extremo a extremo, medido en una A100.

Pronto: instala con 1 clic desde la app RepoPicks.

VideoChat en GitHub

Estrellas
1331el 10 nov 2026
Descargas
—todas las versiones
Crecimiento
—sin ganancia en la última lectura

Estrellas a lo largo del tiempo

133113321333 6 nov7 nov8 nov9 nov10 nov 133113321333 6 nov8 nov10 nov

Datos

Funciona en
Linux
Necesitas instalar
Python, Tarjeta NVIDIA, FFmpeg
Para compilar desde el código
Python, Tarjeta NVIDIA, FFmpeg
Espacio en disco
1,8 GB–6,7 GB · estimación
Cuentas o claves
Alibaba Cloud DashScope (Qwen and CosyVoice)
Costo
Gratis, la API se paga · El código es MIT y gratis. Por defecto, el modelo de lenguaje y la voz provienen de las API de pago Qwen y CosyVoice de Alibaba Cloud; para que todo corra en local hay que editar los archivos fuente y usar una tarjeta gráfica mucho más grande.
Licencia
MIT (Permisiva)
Puede reemplazar
HeyGen, Synthesia, D-ID
Último cambio en GitHub
18 dic 2025

Señales de riesgo de VideoChat (8)

  • AtenciónDependencias con vulnerabilidades conocidas

    Dependencias fijadas con vulnerabilidades conocidas (OSV): gradio: GHSA-39mp-8hj3-5c49, GHSA-5cpq-9538-jm2j, GHSA-6655-8ph2-63j3; torch: GHSA-3749-ghw9-m3mg, GHSA-53q9-r3pm-6pq6, GHSA-63cw-57p8-fm3p; diffusers: GHSA-7wx4-6vff-v64p, GHSA-98h9-4798-4q5v, PYSEC-2026-2446; accelerate: GHSA-4j2p-28q2-5m79, PYSEC-2026-3804; gdown: GHSA-76hw-p97h-883f, PYSEC-2026-2158; requests: GHSA-9hjg-9r4m-mvj7, GHSA-gc5v-m9x4-r6x2, PYSEC-2026-1872; pytorch-lightning: GHSA-75m9-98v2-hjpm, PYSEC-2026-3043, PYSEC-2026-3967; sentencepiece: GHSA-38vq-g6vr-w8wf, PYSEC-2026-1909; opencc: GHSA-7fqq-q52p-2jjg; modelscope: GHSA-fhhq-h4hg-549x, PYSEC-2026-2663; transformers: GHSA-29pf-2h5f-8g72, GHSA-37mw-44qp-f5jm, GHSA-4w7r-h757-3r74; deepspeed: GHSA-8cp5-3rf8-8gfh, PYSEC-2024-109; hydra-core: GHSA-2cp2-2r3c-7p7r, GHSA-c3wx-c55w-pxjq, PYSEC-2026-3850; lightning: GHSA-cgwc-qvrx-rf7f, GHSA-mr7h-w2qc-ffc2, GHSA-qqmf-gpg7-g8gw; protobuf: GHSA-7gcm-g887-7qv7, GHSA-8qvm-5x2c-j2w7, PYSEC-2026-1805; requests: GHSA-9hjg-9r4m-mvj7, GHSA-gc5v-m9x4-r6x2, PYSEC-2026-1872

    revisión automática

  • Atenciónla clonación de voz y rostro puede suplantar identidad

    La descripción del proyecto promete "可自定义形象与音色,支持音色克隆" (apariencia y timbre de voz personalizables, con clonación de voz). La sección 5.1 toma "录制好的数字人形象视频" — un video grabado de una persona — como avatar, y la 5.2 clona una voz a partir de un clip de referencia de "3-10s". Nada en el repositorio pregunta si la persona del video o de la grabación dio su consentimiento, y no hay ningún aviso al respecto.

    revisión con IA

  • Atenciónel desarrollo se ha ralentizado

    El último commit en la instantánea revisada es del 2025-12-18, 322 días antes de la revisión, sin releases y con 25 issues abiertos. El propio README advierte "requirements中的版本仅供参考,最新依赖请查看对应模块的Repo说明" — las versiones fijadas son solo una referencia, hay que revisar el repositorio propio de cada componente.

    revisión con IA

  • Atenciónconfigurar significa editar archivos fuente

    La clave de API va en la línea 14 de `app.py` (`os.environ["DASHSCOPE_API_KEY"] = "INPUT YOUR API-KEY HERE"`), descargar GLM-4-Voice implica pegar llamadas a `snapshot_download(...)` en `app.py`, un nuevo avatar significa editar `avatar_list` en `src/thg.py`, y prescindir de la clave significa borrar las partes de `CosyVoice_API` en `src/tts.py`. No hay ningún archivo de configuración.

    revisión con IA

  • Infopesos y código provienen de modelscope

    La instalación recomendada es `git clone https://www.modelscope.cn/studios/AI-ModelScope/video_chat.git` — el código y los archivos de pesos rastreados vienen de ModelScope, una plataforma de modelos china, no de este repositorio de GitHub. Las descargas manuales apuntan a MuseTalk, GPT-SoVITS y los modelos `glm-4-voice-*` de ZhipuAI.

    revisión con IA

  • Infocada parte tiene su propia licencia

    Este repositorio es MIT, pero solo conecta otros proyectos: FunASR, Qwen, GLM-4-Voice, GPT-SoVITS, CosyVoice, edge-tts y MuseTalk. Cada uno de esos modelos y sus pesos tiene sus propios términos, que determinan qué puedes hacer con los avatares y el audio que produces.

    revisión con IA

  • Infola ruta de voz gratis usa un servicio de navegador

    La sección 3.2.2 sugiere, cuando no tienes clave de API, "使用`Edge_TTS`调用Edge浏览器的免费TTS服务" — llamar al servicio gratuito de texto a voz integrado en el navegador Edge mediante el paquete `edge-tts`, un servicio que Microsoft publica para su navegador y no para otros programas.

    revisión con IA

  • Infoproblemas conocidos sin resolver

    La sección "已知问题" (problemas conocidos) del README enumera errores de recursos faltantes, fallos al cargar el modelo por descargas incompletas de los pesos, y "右侧视频流播放卡顿:需等待Gradio优化Video Streaming效果" — el video se entrecorta mientras se espera que Gradio mejore la transmisión de video.

    revisión con IA

La evidencia aparece en su idioma original.

Lo que Radar no pudo verificar de VideoChat

  • Si la instalación todavía funciona, ya que las versiones fijadas son de 2024 y el README dice que revises cada componente por tu cuenta
  • Cómo se siente realmente la conversación en una tarjeta más pequeña que la A100 usada para las cifras de 3 y 7 segundos
  • Cuánto cobra Alibaba Cloud por las llamadas a Qwen y CosyVoice en la configuración por defecto
  • El espacio real en disco que ocupan todos los pesos del modelo
  • Si se puede hacer que funcione en Windows o en una Mac, algo que las instrucciones nunca cubren
  • Qué tan buenos son la sincronización de labios y la voz clonada con tu propio video y audio

Proyectos parecidos

La app RepoPicks

Pronto: instala con 1 clic desde la app RepoPicks.

Antes de descargar

Ver la página de la versión en GitHub