黑色星期五充值赠礼
每笔符合条件的充值都可获赠额度,并可与其他优惠叠加。
11月30日截止
AI VTuber 需要三样录好的片段给不了的东西:能一直播下去的视频、始终如一的嗓音,以及让观众改变接下来发生什么的方式。直播视频 API 三样都做得到。POST /v1/videos/live 会开启一路直播,每隔几秒送出一个约 5 秒的 mp4 分片,每一片都接着上一片的动作往下演。一个聊天模型,也就是导演,根据你角色的设定写出每一个接下来的镜头。第一段有语音的分片里的嗓音会贯穿整场直播,你也可以自己上传一段音频。直播进行中,POST /v1/videos/live/{id}/direct 可以接收一条消息,你的机器人就能把观众的要求传过去,几秒内就能在画面上看到。不用写代码,在直播演练场里试一试。
交给你的 AI 智能体
把这段提示词复制到 Claude Code、Cursor、Codex 或任何编程智能体中。它会告诉智能体文档在哪里,以及如何使用你的 API 密钥。
Build an AI VTuber for me: stream live video from the Lovely Router live video API with one kept voice, and turn filtered viewer chat messages into directions. - Docs (read first): https://lovelyrouter.com/docs/models/live-video.md and https://lovelyrouter.com/docs/api/audio.md - Live video: POST https://lovelyrouter.com/v1/videos/live (server-sent events with mp4 chunks), steer with .../prompt or .../direct; `consent: true` required. Sending the chunks to a streaming platform is this project's job. - Auth: read my API key from the LOVELY_API_KEY environment variable and send it as `Authorization: Bearer $LOVELY_API_KEY`. Never print or commit the key. If it is not set, ask me to create one at https://lovelyrouter.com/app/keys. - Billing is prepaid: every call is charged to my balance, so test with a small request before running anything large. - Every docs page is plain Markdown; the full index is https://lovelyrouter.com/llms.txt. My task: <the character, a voice clip, the platform and where the chat comes from>
工作原理
画出主播
用图像生成 API做出第一帧:你的 VTuber 待在自己的房间里,按直播的构图取景。直播模型会在整个会话期间保持这张图里的面孔、衣着和房间,无论播多久。
给他们嗓音和设定
传一个
voice,一段约 5 秒、单人、吐字清晰的语音,之后每个分片都用它说话。这段音频可以是你自己的录音、你有权使用的声音,或者你用文本转语音设计的声音。然后传一个带instructions的director:主播是谁、怎么说话、节目讲什么(最多 2,000 字符)。开播
导演会在上一片渲染的同时写出下一片的提示词:画面里有什么、发生什么、镜头怎么动、主播说什么,每片大约 10 个词。分片到达的速度比播放略快,所以缓存两片,然后连续播放。
让聊天来操控
你的机器人读取直播聊天,挑出值得响应的消息,逐条发给
/direct。导演会把它编进下一个要写的镜头;如果指令在某个镜头写完之后才到,那个镜头会在开始前被重写。
开启一路直播
curl -N https://lovelyrouter.com/v1/videos/live \
-H "Authorization: Bearer $LOVELY_API_KEY" \
-F model=ltx-live \
-F prompt="Miko, a cheerful streamer with silver twin tails and a hoodie with cat ears, talks to the camera from her cosy room, fairy lights behind her" \
-F seconds=600 \
-F size=384x704 \
-F camera=fixed \
-F image=@miko-room.png \
-F voice=@miko-voice.wav \
-F director=claude-haiku-5.5 \
-F director_instructions="Miko is upbeat and a bit silly. She chats with her viewers, answers their questions in one short sentence and reacts to what they ask for." \
-F consent=true在 multipart 请求里,导演的说明放在 director_instructions;在 JSON 里,director 是一个带 model 和 instructions 的对象。返回的是一串服务器发送事件:先是 session(带会话 id),每约 5 秒视频一个带 mp4 url 的 chunk 事件,导演写好即将到来的镜头时是 next,结束时是 end。分片 URL 不需要 API key,你的播放器可以直接加载。当观众提出要求时,把它作为指令发过去:
import os
import requests
H = {"Authorization": f"Bearer {os.environ['LOVELY_API_KEY']}"}
def direct(live_id: str, viewer: str, message: str) -> None:
"""Pass one chat message on to the director."""
requests.post(
f"https://lovelyrouter.com/v1/videos/live/{live_id}/direct",
headers=H,
json={"message": f"A viewer called {viewer} says: {message}"},
timeout=30,
).raise_for_status()
# From your chat bot, after your own filters:
direct(LIVE_ID, "nightowl", "Show us your cat!")直播视频指南里有完整的事件列表、读取该流的 Python 代码,以及如何无缝播放分片。
干这活要用的工具
POST /v1/videos/live 配 ltx-live:704×384 横屏或 384×704 竖屏,24 fps,带声音,GPU 预热后比实时更快。参考:直播视频。
你的 key 能用的任意聊天模型,写成 id 或 {"model", "instructions"}。它能看到你的提示词、最近 15 个镜头和你的指令。用快而便宜的模型就够;claude-haiku-5.5 每次调用约 6 秒,在它大约 10 秒的时限之内。
POST …/direct 是一条建议,导演会把它编进故事里,并且在合理的地方持续生效(换个地点、一种情绪、一种语言)。POST …/prompt 会逐字替换下一分片的提示词,用于口播广告或「马上回来」这类写好的桥段。
传了 voice,每个分片都用你的音频说话。不传的话,keep_voice(默认开启)会保留第一段有语音的分片里的嗓音。
camera: "fixed" 让整场直播成为一个固定镜头:只有人在动,每个分片起始的房间画面会被清理,长时间直播背景也不会漂移。
需要你自己搭的部分
API 负责做视频,播出归你。在你自己的页面或播放器里播放分片 URL(两个 <video> 元素,一个结束就切换,中间不留空档),再在推流软件里采集它,送到你直播的平台。读取平台聊天、过滤、决定哪些消息变成指令,是你机器人的活:导演照做不误,所以在任何内容到达 /direct 之前先过滤掉垃圾和骚扰。一个会话最多接受 100 条指令,所以挑最好的,而不是每句都转发。
需要提前规划的限制
seconds 最高 600。要播更久,就在一个会话结束时开启下一个,并把上一分片的最后一帧作为 image 传过去,让主播和房间延续下去。新会话的第一个分片必须先渲染才能播放,所以每次切换时安排一段短暂休息或一段预制片段。
在第一个结束之前,第二个会被以 429 拒绝。
没有预热好的 GPU 时,第一个分片最多要等约一分钟,期间会有 status 事件。
服务该模型的 GPU 数量不多。全部在推流时,新会话会收到带 retry-after 的 503。
常见问题
观众真的能改变 VTuber 的行为吗?+
能。你发到 POST /v1/videos/live/{id}/direct 的每条消息都会被编进导演写的下一个镜头,还没拍的镜头会立刻重写,所以指令几秒内就会出现在画面上。发哪些聊天消息由你的机器人决定。
嗓音会保持不变吗?+
会。传一段约 5 秒、单人的 voice 音频,每个分片都用它说话。不传的话,第一段有语音的分片里的嗓音会在余下的直播中保留。
主播的脸会保持不变吗?+
第一帧是整场直播的参照:面孔、衣着和房间在整个会话中都按它保持原样。开启新会话时,把上一分片的最后一帧作为 image 传过去以延续。
能直接推到我的频道吗?+
不能。API 通过服务器发送事件送出 mp4 分片。你在自己的播放器里播放,再用推流软件把它送到你的平台。
一场直播能播多久?+
一个会话最长 600 秒。想继续就在它结束时开启下一个;一个账号同时只能有一个会话。
该用哪个聊天模型当导演?+
用快而便宜的。导演每次调用只有大约 10 秒,超了视频就得等它,而 claude-haiku-5.5 约需 6 秒。你的 key 能用的任意聊天模型都行。
AI 编程助手能帮我搭吗?+
能。把本页的提示词复制到 Claude Code、Cursor 或 Codex:它会引导助手去看 Markdown 文档,助手会用你的 key 写出流读取、播放器和聊天机器人。
要用同样的角色拍录好的场景,见视频镜头;要获取 API key,注册并充值,然后打开直播演练场。