用 Kimi K3 造一个
实时视频通话的「峰哥」

六块积木 + 一张4090显卡 = 本地化虚拟数字人

30秒读懂：全程只需说一句“开始干活”，Kimi K3 就能基于开源框架 Voemw 自动完成开发。六个模块拆解：检测停顿 → 语音转文字 → 大模型回答 → 音色合成 → 人设蒸馏 → 实时对口型。

Demo 现场 · 峰哥金句

峰哥，你能给大家伙问个好吗？

笔友们好，我是峰哥，你们最爱的国家一级
捞嗑运动员。今天想唠点啥尽管说。

峰

峰哥，你是怎么得出“世间万物一切都是好事”？

“世界就是个辩证法。”你看着是坏事，换个角度他就是好事。
被公司开了？好事啊，终于不用伺候那种领导，安心找下家。
被对象甩了？好事，他帮你提前排了雷，省得以后戴帽子。 —— 峰哥 · 现场回答

峰

说白了就跟登山一样，最陡的坡上抬头全是雪，完蛋了。但翻过去，风景那叫一个绝。
世界就是你脑子里的镜子，你往好了看，他还真是好事。

峰

核心方案 · 六块积木

基于开源的实时语音对话框架 Voemw，六个模块协同完成“实时视频通话”。

V 语音活动检测

判断用户什么时候说完了话，自动切换轮次。

千吻3 ASR 21.7B 语音转文字

将用户的语音实时准确地转成可读文字。

DeepSeek V3 Flash 大语言模型

负责组织回答内容，生成自然、有逻辑的回应。

Works CPM2 语音合成 TTS

迁移峰哥的音色并合成最终语音输出。

女娲 Skill 人设蒸馏

把峰哥的思维方式提炼出来，交给DeepSeek模仿其口吻说话。

Sox Flash Head 实时对口型

根据语音实时驱动口型和表情，看起来像在真视频通话。

⚙️

整个过程只要对 Kimi K3 说一句
“开始干活”
即可在 1块4090显卡 上本地部署整个应用。

“世界就是你脑子里的镜子，
你往好了看，他还真就是好事。”

—— 峰哥 · 金句

本期洞察

由 CuteNote.app 颜值笔记生成

用 Kimi K3 造一个实时视频通话的「峰哥」