NanoAvatar
NanoAvatar 是什么
NanoAvatar 是一款在 Android 手机本地运行的高保真数字人（talking avatar）应用：用自己的录音驱动数字人说话，无需云端 GPU。核心卖点是「改变数字人应用能多频繁用、能服务多少用户」——2023 年芯片即可跑到 41 FPS、首帧延迟 103ms（Lite 版），老款 2021 年芯片也有 18 FPS。
两种模式：Experience 模式按住录音键说话即可离线驱动数字人（无需 API key）；Conversation 模式接入阿里云 API key 实现 AI 对话。两个安装包：Full（25 FPS，模型更大）与 Lite（12.5 FPS，体积小、算力要求低）。支持流式生成：搭配流式 LLM+TTS 时约 0.3 秒开始说话，不用等完整音频。模型权重发布在 Hugging Face（wpydcr/NanoAvatar），另有 Web 版（需 NVIDIA GPU + CUDA PyTorch）可体验。
主要功能
如何使用 NanoAvatar
使用示例
核心优势
与同类工具对比
| 维度 | CelebShout | 听成文 AI | ScribeToAny |
|---|---|---|---|
| 定位 | AI 生成明星语音街头吆喝带货 | 本地音视频转写与摘要工具 | AI 音视频转录与字幕生成工具 |
| 核心功能 | 明星语音合成用于吆喝带货 | B站/抖音链接或本地文件转文稿、SRT/VTT、AI 摘要，批量+说话人区分，数据不上云 | 说话人识别、多语言翻译、字级高精度时间戳，导出 SRT/VTT/TXT，免费试用 |
| 价格 | 未提及 | 未提及 | 免费试用 |
| 开源/部署 | 未提及 | 未提及 | 未提及 |
| 适合谁 | 需要名人语音营销的用户 | 需要本地转写/摘要的 Windows 用户 | 需要音视频转录与字幕的用户 |
结论：三者与 NanoAvatar 同属「AI 语音音频」类但方向不同：NanoAvatar 是端侧数字人视频生成（录音驱动+可离线），CelebShout 是明星语音带货，听成文/ ScribeToAny 是音视频转写——「在手机上离线生成说话数字人」选 NanoAvatar。
使用方式与技巧
使用方式
- Android APK（Full/Lite）
- Web 版（NVIDIA GPU 本地试跑）
功能模式
- Experience 模式（录音驱动，离线）
- Conversation 模式（AI 对话，需 API key）
- 流式生成模式（配流式 LLM+TTS）
使用技巧
- 老设备装 Lite 版，算力与体积更友好
- 体验/演示用 Experience 模式零配置
- 做对话应用接流式 LLM+TTS，约 0.3 秒开口
进阶玩法
客户端下载渠道
常见问题
录音体验（Experience 模式）不需要；AI 对话模式需阿里云 API key。
不需要，完全在手机本地运行。
能，Lite 版在 2021 年芯片上约 18 FPS。
开源免费，APK 与模型权重公开下载。
项目信息
Android 数字人应用：用自己的录音在手机上驱动逼真流畅的数字人，无需云 GPU、无需 API key 即可离线体验，老款手机也能跑
Android 数字人应用，用自己的录音在手机上驱动逼真、流畅的数字人，响应快，老款手机也可运行，录音体验可离线使用，无需 API key