VideoChat est un projet d'avatar numérique interactif en temps réel par la voix, prenant en charge les solutions vocales de bout en bout (GLM-4-Voice - THG) et les solutions en cascade (ASR-LLM-TTS-THG). Les utilisateurs peuvent personnaliser l'apparence et le timbre de voix de l'avatar, avec une fonction de clonage vocal sans entraînement requis. La latence du premier paquet est aussi faible que 3 secondes. Ce projet utilise les dernières technologies d'intelligence artificielle, notamment la reconnaissance vocale automatique (ASR), les grands modèles de langage (LLM), les grands modèles de langage multimodaux de bout en bout (MLLM), la synthèse vocale (TTS) et la génération de tête parlante (THG), offrant ainsi aux utilisateurs une expérience interactive hautement personnalisée et à faible latence.