Fay：开源数字人 Agent 框架，UE5/Unity/Web/单片机全终端覆盖

数字人这两年火得不行。但大多是「好看但不能用」——要么绑死某个大厂平台，要么只能跑在特定硬件上。

Fay 不一样。它是个开源的数字人 Agent 框架，GitHub 上 12.8K Star，核心思路就一句话：把数字人大脑（LLM）、感官（ASR）、嘴巴（TTS）和身体（UE5/Unity/Web/单片机）全拆开，你随便组合。

是什么

Fay 是 xszyou/Fay 下的一个 Python 开源项目，GPL-3.0 协议，2022 年开始做，现在 12.9K Star、2.3K Fork。

它做的事很简单：给你一个标准化的数字人中台。 你可以接任何 OpenAI 兼容接口的 LLM（包括 DeepSeek、通义千问这些国产货），接任意 TTS/ASR 模型，然后把它连到 UE5、Unity3D、Wav2Lip、Web 页面甚至单片机上去。每种组件都可以独立换。

不说虚的，直接看图——它提供了一个 Web 管理后台来配置这一切。

核心特色

1. 全解耦：模型、语音、身体各管各的

主流数字人方案往往是「全家桶」——你用了它的模型就不能换 TTS。Fay 反过来：LLM 层是 OpenAI 兼容就行，ASR 可以用 FunASR 或 Whisper，TTS 随意换。数字人身形支持 UE5、Unity3D、Wav2Lip。每层独立，自由匹配。

2. 真离线运行

不需要任何云端依赖。把模型下到本地，Fay 全离线跑。对于做线下展馆、教育终端、军工等场景的团队来说，这很重要。

3. Agent 自主决策 + MCP 工具调用

Fay 不止是数字人壳，它内置了 Agent 框架。数字人可以自主调用工具（查天气、查库存、发通知），也支持 MCP（Model Context Protocol）工具管理，分 SSE 和 Studio 两种模式。最新版本还加入了 DeepSeek 等 thinking LLM 的支持，推理过程可见。

4. 全时流式对话

不像老式方案等用户说完才回复，Fay 支持流式语音交互，边说边听边想，体验更接近真人对话。带唤醒词和打断能力。

5. 多路并发 + 多终端

一台服务器同时服务多个数字人实例。终端可以是手机 App、浏览器、大屏、树莓派。单片机级别都能跑。

6. 仿生记忆 + 日程式主动对话

这个挺有意思。Fay 不是每次对话「忘光一切」，它有记忆机制。还能配置日程，让数字人在特定时间主动说话而不是等人开口。做虚拟教师、虚拟主播、定时播报这些场景很实用。

怎么上手

一行代码启动不了（别信那种标题党）——但要跑起来也就是几步的事情。

# 1. 克隆
git clone https://github.com/xszyou/Fay.git

# 2. 装依赖
pip install -r requirements.txt

# 3. 配 system.conf（把 system.conf.bak 重命名）
# 配 LLM key、ASR、TTS 等信息

# 4. 启动
python main.py start

启动后浏览器打开 http://127.0.0.1:5000 就能进管理后台。如果你只是想体验公共资源跑一下，也可以传一个公共资源 key 直接启动，但速度很慢，建议还是用自己的。

不是没有槽点

文档分散。 主要文档在飞书文档上，不在项目里。更新日志也在飞书。README.md 内容很浓缩，对于新手来说上手可能需要多看几篇社区教程。

没有 Release 版本。 GitHub 页面 0 个 Release。要用就得直接拉主分支，主分支有时候有改动没来得及公告。

Python 3.12 要求。 不是大问题，但如果你还在用老 Python 版本需要升级。Ubuntu 上还要额外装 build-essential 和 portaudio19-dev。

12.9K Star 但 Issue 还有 129 个没关。 项目更新频繁，但 Issue 积压也不少。社区活跃度中等水平。

跟同类怎么比

一句话总结

如果你只是想做一条「数字人视频」就收工，Fay 不是最合适的。但如果你是想真正把数字人集成到产品里、且不在乎花点时间搞定配置——Fay 是目前开源生态里终端覆盖最全的数字人框架，没有之一。

GitHub：https://github.com/xszyou/Fay

标签：#Fay #数字人 #Agent框架 #开源 #人工智能 #虚拟主播 #数字员工 #UE5 #DeepSeek

关注我，每期分享一个帮你省事的强大工具 🛠️