黑色星期五充值赠礼·充值 $50 起送 $10 · 充值 $100 起送 $25·11月30日截止充值 →
使用场景

AI VTuber 直播:
一个永不停歇、由观众聊天操控的视频主播

用 API 跑一个 AI VTuber:永不停止的直播视频、为每个镜头写提示的导演、始终如一的嗓音,以及把观众聊天变成指令。

最后更新于 2026-11-05

预付费,无订阅REST 或 MCP一个密钥搞定模型、数据和智能体
live video$ curl -N https://lovelyrouter.com/v1/videos/live -d '{"model": "lt… event: session · event: chunk 0.mp4> POST …/prompt "she turns to the window" event: chunk 1.mp4 · event: chunk 2.mp4 ✓ streaming · steered live
黑色星期五

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

充值 $50
+$10
额外赠送 20%
充值 $100
+$25
额外赠送 25%
注册并领取

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>
01

工作原理

010203
  1. 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。

  2. 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)。

  3. 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。

  4. 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。

02

开启一路直播

010203
cURL
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:

Python
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。

03

干这活要用的工具

直播视频 API。

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。

导演。

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。

两种操控方式。

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。

保持嗓音。

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。

固定机位。

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。

第一帧和语音音频。

用图像 API画出房间,用文本转语音设计嗓音,或者用声音克隆克隆一个你有权使用的声音。

04

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。

05

需要提前规划的限制

每个会话 10 分钟。

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。

每个账号只能有一个进行中的会话。

在第一个结束之前,第二个会被以 429 拒绝。

冷启动。

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。

容量。

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。

06

费用

按生成的视频秒数付费:用 ltx-live 是 $0.019,即每分钟 $1.14,每个会话至少 $0.42。一整场 10 分钟的会话花费 $11.4,连续一小时的会话则是 $68.4。导演的调用单独按该聊天模型自己的价格计费,第一帧和任何设计的声音按图像和语音的价格计费。会话开始时,会从你的预付余额中冻结它可能产生的最高费用;实际生成的秒数在日志里作为一次调用计费。因我们的错误而结束的会话,只为已生成的视频付费。所有价格都在定价页。

07

直播 AI 主播的规则

ltx-live 受 LTX 条款约束,每次请求都用 consent: true 表示接受。其中包括:在展示视频的任何地方说明它是 AI 生成的,未经同意不要模仿他人,不得有露骨色情内容。只使用属于你或你有权使用的声音,以及你拥有权利的图片。可接受使用政策与所有模型一样适用。

08

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。

一个预付费密钥,搞定模型、数据和智能体

无需订阅。充值后按需使用,每笔费用都能在日志中查看。