因为我从没接过这方面的需求，没这方面项目经验。也找了一点资料，只了解了一点皮毛，整体比较模糊，还没有一个较清晰的开发思路。
预算不高，不可能做像某飞某度那种大厂方案自己做训练学习。自己做训练学习太烧钱，这块不太现实，所以大体方向还是用开源框架，调用各 api 做整合（具体哪些平台和接口比较好用的可以推荐一下，gpt4 就不用提了），其余的用户基础部分自己写。
使用自己的视频，克隆自己的形象这块还不太清楚。最终实现能使用用户自己形象和动作以及语音，减少用户在系统上复杂性操作，轻松简便用到做直播上。
希望各位有经验的吴彦祖，各位大佬能指点一二，少走点弯路。感谢
