ImageSkinForLLM 开源项目：用一张照片和语音样本让 LLM 聊天机器人开口说话

GitHub 项目 ImageSkinForLLM 为 LLM 聊天机器人加上视频皮肤，从一张照片和语音样本让照片中的人用其声音说出聊天回复。项目基于 Python 3.11+ 与 ffmpeg，语音用 Kokoro 在 CPU 上合成并输出逐词与口型时间 JSON，照片经 MediaPipe 做人脸、清晰度、亮度等八项检查（25 MB/张上限），录音检查时长、削波、信噪比与单人说话（CAM++ 判断背景噪声需低于语音 20 dB 以上）；写实的 LivePortrait 引擎首次准备一张照片约需 7 分钟渲染 200 帧空闲循环，之后每段视频约为实时的三分之一速度，且设置页要求确认照片与录音本人同意后才允许上传。