会动脸窗口 Nikolors/dsh-avatar

DSH Avatar — 给 Windows 上的 DeepSeek Harness 一张会动的脸

DeepSeek Harness 的虚拟形象伙伴：单独开一个窗口，里面有一张脸，跟着语音回答一起说话。不用显卡，不做实时神经网络推理——只用事先切好的片段，再跟声音仔细对齐。

演示：脸在说话，然后回到静止状态

更高清的视频（MP4，1.4 MB） · 截图

英文版：README.en.md。

为老笔记本而做：显卡被别的任务占着，所以这张脸是用现成片段「播」出来的，不是神经网络实时画出来的。

能做什么

- 置顶的脸部窗口——无边框、背景透明、始终在最上层。
- 一句话一个完整片段——回答整段播放：静止、说话、再回到静止。句子之间不用重新拼接，也看不出接缝。
- 共用的静止帧——所有片段都从同一帧开始，所以从静止进入时严丝合缝，不需要交叉淡化。
- 跟声音同步——收到「配音开始」事件后才开始出帧，片段播放速度有限制，短句不会一闪而过，长句也不会拖沓。
- 静止状态——助手不说话时，显示同一张共用帧，带轻微呼吸感。
- 服务看门狗——盯着语音识别、配音、窗口和桥接，只重启挂掉的那一环，并写日志。
- 自动还原点——每天一次，以及做风险改动之前。

工作原理

микрофон → распознавание (локально) → DSH → ответ
│
озвучка (edge-tts)
│
мост (tts_bridge.py)
│
окно с лицом (call_live.py)

窗口不处理声音：它读插件日志和文件队列，按句子长度挑片段，每秒显示 25–50 帧。

组成

| 文件 | 作用 |
| avatar/call_live.py | 脸部窗口：播放片段、静止状态、同步 |
| avatar/tts_bridge.py | 应用与配音文件队列之间的桥接 |
| avatar/watchdog.py | 服务看门狗 |
| avatar/backup_day.py | 还原点 |
| clips-maker.py | 从音频切出片段 |
| tools/render_films.py | 用 Ditto 模型渲染片段（静音—句子—静音） |
| tools/cut_films.py | 把片段切成窗口帧（320×374，50 帧/秒） |
| tools/pick_idle.py | 挑出最平静的一段做静止状态 |
| tools/clip_profiles.py | 按片段生成嘴型配置档 |
| tools/interp_clips.py | 插帧到 50 帧/秒 |

要求

- Windows 10/11，Python 3.12（仓库里用的是 venv）。
- DeepSeek Harness，已开启语音模式和配音。
- avatar/_clips/talk_XX/*.jpg 里的一套片段（不在仓库里——片段要用你自己的肖像来做）。

安装（简述）

1. 把 avatar/ 复制到 DSH 的工作目录。
2. 在文件开头写明路径：工作目录、dsh-voice 目录、语音端口。
3. 用任务计划程序启动 call_live.py（pythonw，登录时触发）。
4. 把片段和一张人像放进 avatar/。
5. 检查：打开语音模式，说一句话。

详细说明见 docs/установка.md，片段相关见 docs/clips.md。

限制

- 片段不认识词：只有长度和整体情绪对得上，口型不会针对具体发音调整。
- 需要 DeepSeek Harness：窗口读取它的日志和语音文件。
- 仅支持 Windows：窗口和可见性检查用的是 WinAPI。

许可证

MIT（见 LICENSE）。