TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
開源 Live2D 數位人工具，把 Dify 聊天機器人換上會說話的臉
把 Dify 聊天機器人換成會開口說話的 Live2D 角色，官方推薦的體驗路徑是一條 docker compose；但開源授權只蓋到殼，Live2D 有商用門檻，分享功能留在雲端版，預設值整組簡中，動手自架前該看的四道邊界一次看清。
用 AI 摘要這篇文章：
把一個自己組好的 Dify 聊天機器人，變成畫面上會開口說話的動漫角色，要花多少工？用 AWESOME-DIGITAL-HUMAN 這個開源專案，官方推薦的體驗路徑是一條 docker compose 指令。瀏覽器裡站著一個 Live2D 角色（VTuber 常用的那種 2D 模型技術），你對麥克風說話，語音轉成文字，送進你在 Dify 上組好的應用，回覆再變成語音播出，角色的嘴型跟著節奏開合。專案 2024 年 5 月出現在 GitHub（帳號 wan-h 下的 awesome-digital-human-live2d 儲存庫），MIT 授權，累積超過 2,400 顆星（截至 2026 年 10 月）。
不過「開源」兩個字在這個專案上只蓋到一層殼。角色會動，靠的是內嵌在程式裡的 Live2D 技術，那一層有自己的授權規則，年營收達到一定規模的商業使用者要另外向 Live2D 取得授權；把數位人分享給別人用的功能，留在官方雲端版 light4ai.com 上，開源版沒有；開箱的預設值，從語音音色、語音辨識模型到介面文字，整組是簡體中文世界的設定。這些邊界都寫在專案倉庫與官方文件裡，下面逐項攤開來看。
它做的是哪一種數位人，先分清楚
先把它在做的事情講精確。這是一套 Live2D 前端加後端的組合：前端是瀏覽器裡的可互動角色，能換角色、換背景、做表情與動作；後端串三段服務，語音辨識（ASR，把聲音變文字）、代理人（Agent，把文字交給你的 AI 應用想答案）、語音合成（TTS，把答案變聲音）。你說一句話，聲音變文字，文字進 Agent，答案變語音，角色開口回答，中間每一段的引擎都能在設定檔裡換。官方還分了兩種互動模式：對話模式以文字為主，沉浸模式走整段語音互動。
Agent 這一段官方支援四種接法：DifyAgent、FastgptAgent、CozeAgent，以及一個相容 OpenAI 介面的選項，Dify、FastGPT、Coze 三個編排平台都算主力目標。以 Dify 為例，設定裡填三個欄位就接上：API 伺服器位址、API 金鑰、使用者名稱。要注意的是出廠預設的 Agent 叫 repeaterAgent，顧名思義，它只會把你的話原封不動唸回來，是拿來確認整條管線通不通的假人，正式使用前記得在設定裡換成真的。
官方釋出的展示影片裡，整套介面走深色主題：角色站在畫面中央，下方一條輸入列，左邊麥克風、右邊送出，旁邊再掛角色與背景的選單，背景從賽博龐克霓虹小巷、色彩繽紛的動漫城市到寫滿公式的黑板都有。整個畫面看起來像一個乾淨的網頁版對話室，角色即時跟著語音做表情，沒有安裝任何外掛程式的痕跡，這也是純瀏覽器方案最大的賣點：訪客打開網頁就能聊，不必先裝 App。
也要先分清楚它做的是哪一種數位人。它不做真人影片生成，不會輸出一支有數位人主角的影片檔，角色是瀏覽器裡即時互動的 2D 模型。想要「輸入文字、生成數位人播報影片」的人，該看的是 AIGCPanel 這類開源數位人系統；想把自己聊天紀錄微調成 AI 分身的，方向在 WeClone 這類數位分身工具。AWESOME-DIGITAL-HUMAN 的位置很明確：給你已經存在的 AI 應用，換上一張會說話的臉。
2 核 2G 的輕量宣稱，和部署指南各說各話
README 的賣點寫得吸引人：超輕量級，配置要求低於 2 核 2G。但同一個倉庫裡的官方部署指南，系統需求那欄寫的是 CPU 2 核起跳、記憶體 4GB 起跳。同一個專案的兩份官方文件，對「一台 2G 記憶體的小機器跑不跑得動」給了相反答案。這種 README 與部署指南打架的情況，通常代表輕量案例存在過（例如只跑文字對話），但完整功能形態早就超過那個數字。
記憶體會被誰吃掉，看部署形態就知道。快速啟動是一份 compose 檔案，一次拉起 4 個容器：nginx 負責對外（連接埠 8880）、網頁前端、API 後端，以及一個跑在 CPU 上的 FunASR 語音辨識服務。也就是說，只要你開語音輸入，那顆帶著辨識模型的容器就住在你的機器裡，自己吃資源。鏡像全部放在阿里雲杭州的公開鏡像倉庫，第一次下載 4 個容器的映像檔需要一點時間與磁碟空間。用原始碼裸機部署的話是另一組連接埠：前端 3000、後端 8000，後端還附一份 API 文件頁方便除錯。
務實的讀法是這樣：只玩文字對話、不開語音辨識，負擔確實小；要完整語音形態，照部署指南的 4GB 準備，別拿 README 的 2G 去賭。租雲主機時把部署指南當準，README 那句話當行銷文案看。容器都設了自動重啟，機器重開後服務會自己爬起來，這點對放在雲主機上長跑的小服務算是貼心。
部署完成後打開瀏覽器，容器形態連 http://localhost:8880 就能看到角色；想讓別台機器連，防火牆記得開 nginx 映射出來的那個連接埠。這些細節官方指南都寫了，真正容易卡住的地方反而在下一節要講的瀏覽器與網路限制。
MIT 標籤只蓋到殼，角色會動的那層另外有規則
倉庫根目錄的授權是 MIT，這部分沒有疑問，專案自己的程式碼可以自由使用、修改、再散布。但前端資料夾裡躺著兩份另外的授權檔。網頁裡讓角色動起來的核心（Cubism Core），授權屬於 Live2D 專有軟體授權，不在開源範圍；框架層（Cubism Web Framework）的授權檔裡還寫著一條明確的商業門檻：年營收達到 1,000 萬日圓以上的公司行號，使用這套 SDK 必須先向 Live2D 取得發行授權。1,000 萬日圓換算新台幣大約兩百萬出頭，依匯率浮動。
倉庫還直接打包了 12 個現成的免費角色。Haru、Hiyori、Shizuku、Rice、Tsumiki 這些名稱，與 Live2D 官方長年發布的範例模型高度重疊，合理推測多數就來自官方樣本，而這些角色的資料夾裡沒有各自附授權檔。個人在家玩、公司內部試驗，通常碰不到紅線；要把角色做成對外的商業門面，角色素材的授權就得逐個查清楚，這層責任 MIT 不會替你扛。
整理成一句話：專案程式碼走 MIT，Live2D 技術層走 Live2D 自己的條款，角色素材再依個別模型的條款。三層各自獨立，商用前把三層都看過一遍。
裝完的第一件事，是把整組簡中預設值換掉
這個專案的中國出身，滲在每個預設值裡。語音合成預設走 EdgeTTS（微軟的免費語音介面，同家族的自架作法可參考開源 Azure TTS 自架服務），不花錢，但預設音色是 zh-CN-XiaoxiaoNeural，一口簡中普通話；語音辨識的 FunASR 預設模型，是簡中普通話的辨識模型；介面翻譯檔只有英文與簡中兩份，沒有繁中。角色開口是對岸口音、字幕是簡體字、選單也寫著簡體字，台灣使用者裝完的第一件事就是把這幾處換掉。
好消息是換得掉。微軟語音的音色清單裡本來就有 zh-TW 開頭的台灣音色，在設定裡選了就換；語音辨識也能改接其他引擎，設定檔裡 ASR 的支援清單本來就列了多個選項。壞消息是介面沒有繁中語言檔，要嘛看得懂簡中，要嘛自己補一份翻譯檔，介面用的是常見的 i18n 架構，加一個語言檔的難度不算高。
另外幾個「裝完不能動」的經典坑，官方常見問答都記了，先知道可以少踩雷。麥克風在 http 連線下會被瀏覽器擋下來，官方解法是要你在 Chrome 的實驗設定裡，把部署位址手動加進安全清單（正式做法是上 https，自架小機器常常沒有憑證）。Dify 裝在同一台機器的 localhost 時，容器裡的服務連不到，位址要填那台機器的實體 IP。Windows 上跑 Docker 會碰到 host 網路模式不支援的問題，要把 compose 檔裡的網路設定註解掉、改開連接埠。還有一個看起來嚇人的畫面：頁面跳出「Soul is Death!」，意思就字面上那樣直白，後端斷線了。前後端每秒一次心跳，心跳丟了就顯示這行字，回頭檢查後端服務就能解。
討論區裡還留著幾則沒人處理的介面瑕疵：有人遇到設定按鈕點了不彈出設定頁，反而切進語音對話；有人反映設定介面裡的連接埠改了也不生效，照官方文件回頭改 compose 與 .env 才是正規解法，但回報者試了說連 .env 都沒作用。單看每一則都不算大事，但疊在一起說明一件事：這套介面的成熟度還在社群打磨階段，遇到怪狀況先去翻討論區，多半已經有人踩過。
想分享給別人用？那個功能在雲端版
開源版跑起來之後，角色住在你的機器上，自己用很順。但如果你想把它當成一個到處分享的東西，例如產生連結傳給客戶，或把整個數位人嵌進官網讓訪客直接聊，這條路在開源版上是斷的。討論區裡有人直接問「開源版是不是不支援發布」，這則議題到今天掛著零回覆。
分享能力被放在官方的雲端版上，網址 light4ai.com，中文名沐光而行，目前公測中。官網列出的雲端版額外功能：個人應用管理、內建服務接入、應用分享（連結分享與網頁嵌入）。換句話說，開源版拿到的是引擎，雲端版補上把引擎變成服務的那圈東西。雲端版頁尾掛的是中國四川的 ICP 備案，營運主體與資料落地都在對岸，接進對外服務前，這一點先放進考量。官網上也掛了一個用這套專案做的智能客服範例，可以直接點進去體驗成品長什麼樣子，再決定要不要自己架。
| 項目 | 開源自架版 | light4ai.com 雲端版 |
|---|---|---|
| 部署位置 | 自己的伺服器 | 官方雲端（中國四川備案） |
| 對接 AI 應用 | Dify、FastGPT、Coze、OpenAI 相容 API 都能接 | 內建服務接入為主 |
| 現成角色 | 打包 12 個免費角色 | 官網生態另有人物客製 |
| 分享與嵌入 | 沒有 | 連結分享、網頁嵌入 |
| 費用 | 免費，自擔機器與維護 | 公測階段免費，之後收費方式未公布 |
補一個實際的觀察：這個專案的教學資源全部長在對岸平台上。README 列的部署與開發說明、常見問答在倉庫裡找得到，但更完整的影片教學放在 B 站，作者的長文教學放在知乎與微信公眾號，語言與平台都是簡中世界。看得懂簡中的人等於多一整排現成教材；只讀繁中的人，要有心理準備，遇到問題多半得靠翻官方文件與討論區原文自己解。
維護是社群業餘節奏，現在適合誰跳下去
看維護紀錄，這是典型的業餘社群專案。2024 年 5 月開倉，同年 8 月約 500 顆星，現在超過 2,400 顆，兩年成長四倍多；程式碼的密集更新期在 2025 年年中（加入 Coze 支援、修 Dify 語音錯誤），2026 年只剩兩次觸碰（4 月更新 README、5 月修一個 web 容器的錯誤），main 分支沒有發布過正式的 GitHub Release，版本標籤停在 v2.0.0，設定檔裡的版本號已經寫到 v3.0.0，README 的教學影片也還停在 v2.0.0。討論區十來則開著的議題，多數掛著零到一則回覆，其中包括一則指出映像檔內 nginx 版本有已知漏洞的安全議題，同樣沒有人接。
所以適合誰？已經有一個能動的 Dify 或 FastGPT 應用、想給它加一張會說話的臉、而且有辦法自己顧機器的技術玩家，現在就可以抓下來玩，這正是它最好的使用場景。反過來，想直接拿它當對外營運產品的人，要先過兩關：Live2D 那層的商用授權門檻，以及安全更新自己扛的現實。最省力的試水方式，是先開 light4ai.com 的公測版感受完整流程，確定這個形態是自己要的，再回頭自架。
一句話收尾：它把「給機器人一張臉」這件事做得相當完整，代價是授權、語音預設值與長期維護都要自己來。倉庫與部署指南都公開在 GitHub 上，動手前把上面這些邊界記下來，能少走很多彎路。
