让 Live2D 角色真正开始对话：Open-LLM-VTuber 从本地部署到远程访问

前言

第一次打开 Open-LLM-VTuber 时，真正吸引人的并不是"又多了一个聊天窗口"，而是屏幕里那个 Live2D 角色开始有了连续的交互：文字能回复，修改人设后回答会变化，换成支持视觉的模型后还能看懂共享画面，给浏览器麦克风权限以后又可以继续做语音交互。

这也是我这次选择 Web 版本 的原因。

如果只是本机体验，桌面应用的能力更完整；但我更想验证另一条路线：把 Open-LLM-VTuber 部署成一个浏览器入口，然后让手机、平板和其他电脑也能打开同一个角色。

因此这篇不会只停留在"Docker 容器启动成功"。整条流程会继续往下走：

Docker 环境 → 一键脚本部署 → 接入硅基流动大模型 → 本地对话 → 修改人设后二次验证 → 视觉与语音功能体验 → 本地 Web 版已经成立 → 再通过cpolar给 12393 增加公网入口 → 最后换成固定二级子域名。

这样一来，Open-LLM-VTuber 负责角色、对话、语音和视觉交互；cpolar 只负责把已经跑通的 Web 页面从局域网带到外部网络。两层功能不会混在一起。

1 Open-LLM-VTuber 到底把哪些能力放到了一起？

Open-LLM-VTuber 是一个开源框架，它把大模型、语音、视觉输入和 Live2D 角色整合到同一个交互界面里。

如果只看"能聊天"，它和普通 AI WebUI 没有太大区别；真正不同的是，它把文本回复继续延伸到了角色动作、语音、屏幕共享和人设配置。

核心功能：

👁️ 视觉感知，支持摄像头、屏幕录制和截图，让你的AI伙伴能够看到你和你的屏幕
🎤 无需耳机即可进行语音干扰（AI 听不到自己的声音）
🫱 触控反馈，通过点击或拖拽与你的AI伙伴互动
😊 Live2D 表情，设置情绪映射以从后端控制模型表情
🐱 宠物模式，支持透明背景、全局置顶和鼠标点击穿透------将你的AI伙伴拖到屏幕上的任意位置
💭 展现AI的内心想法，让你无需聆听就能看到AI的表情、想法和行为。
🗣️ AI主动说话功能
💾 聊天记录保存，随时切换到之前的对话
🌍 支持文本转语音 (TTS) 翻译（例如，聊天语言为中文，而 AI 使用日语语音）

2 部署前先决定：桌面版还是 Web 版？

正式部署前，先把使用方式定下来，因为这会直接影响后面的访问方式和功能边界。

2.1 选择合适的部署方式

Open-LLM-VTuber 目前主要提供桌面端和 Web 端两种使用方式：

部署方式	主要特点	适用场景
桌面应用程序	功能相对完整，可提供桌面宠物、窗口置顶以及更多本地交互能力	主要在本机使用，希望获得更完整的桌面体验
Web 版本	部署灵活、跨平台，可直接通过浏览器访问，也方便进行远程共享	多设备访问、服务器部署以及公网远程使用

本次教程选择部署 Web 版本。

与桌面应用相比，Web 版本的部分本地交互能力会有所精简，但它的优势也很明显：不受具体设备限制，只要浏览器能够访问服务地址，就可以打开 Open-LLM-VTuber。

这也意味着，我们可以将它部署在一台能够长期开机的电脑或服务器上，再通过局域网或公网地址访问，而不必始终守在安装程序的那台电脑前。

2.2 为什么这次选 Web 版？

桌面应用功能更完整，但这次我更在意"从别的设备也能打开"。

所以目标不是把 Open-LLM-VTuber 固定在安装它的那台电脑上，而是先做成一个浏览器入口，再考虑手机、平板和其他电脑的访问。

Open-LLM-VTuber Web 服务部署完成后，默认只能在本机或同一局域网内访问。如果人在外面，手机切换到移动网络，就无法直接打开本地页面。

这时可以通过 cpolar 内网穿透，将运行在本地的 Web 服务映射成一个公网地址。这样即使没有公网 IP，也不需要修改路由器端口转发规则，在外面同样可以通过浏览器访问 Open-LLM-VTuber。

采用这种方式主要有以下几个优势：

远程访问：不需要公网 IP，也不用手动配置路由器端口转发。
多端兼容：手机、平板和其他电脑都可以直接通过浏览器打开。
按需启停：需要远程使用时开启隧道，不需要时可以随时关闭。
部署灵活：Open-LLM-VTuber 继续运行在本地，cpolar 只负责提供公网访问入口。

职责可以先记住一句话：Open-LLM-VTuber 负责角色交互，cpolar 只负责外网访问。

后面每一步都沿着这个边界继续。

2.3 环境要求

在正式部署前，请确认当前设备满足以下基本条件：

项目	要求
操作系统	支持 Windows 10/11、Linux 和 macOS
Docker 环境	本教程使用 Docker 部署，需要提前安装并启动 Docker Desktop
大模型服务	可以使用 OpenAI 兼容 API，也可以连接本地部署的大模型
硬件配置	使用在线 API 时对显卡要求较低；本地运行大模型时，需要根据模型大小准备足够的显存和内存
麦克风与扬声器	使用语音对话时需要；仅进行文字聊天则不是必需
网络环境	需要能够正常拉取 Docker 镜像，并访问所配置的大模型、语音和 cpolar 服务

如果只是想先体验项目效果，可以优先接入 OpenAI 兼容的在线 API。这样不需要在本机加载大模型，对显卡和内存的要求也会低很多。

等基本功能全部跑通后，再根据设备性能切换成本地模型即可。

3 开始部署：先把本地 Web 版跑起来

常规部署需要准备配置文件、数据目录、大模型接口和 Docker 容器。为了减少第一次部署时在端口、目录和 YAML 上反复排查，原文已经把流程整理成适用于 Windows + Docker Desktop 的 PowerShell 一键部署脚本。

这个脚本不只是第一次安装时使用，后续修改配置、重启、更新和卸载也继续从同一个管理菜单进入。

脚本开源地址：https://gitee.com/jun-wan/script

3.1 启动 Docker Desktop

运行脚本之前，先打开已经安装好的 Docker Desktop。如果还没有安装Docker的小伙伴，可以参考一下这篇教程进行安装一下哦：

shell 复制代码

https://www.cpolar.com/blog/docker-installation-linux-windows-macos

等待 Docker Desktop 完成启动，确认左下角或主界面显示 Docker Engine 正在运行:

也可以打开 PowerShell窗口（win+x选择终端打开），执行下面的命令检查 Docker 是否可用：

shell 复制代码

docker version

如果能够正常输出客户端和服务端版本信息，说明 Docker 环境已经准备完成。如果只显示客户端信息，或者提示无法连接 Docker Engine，通常是 Docker Desktop 还没有完全启动，可以稍等一会儿再重新执行。

3.2 运行一键部署脚本

在电脑按Win+X键，选择终端，打开PowerShell终端，将下面这条命令粘贴到 PowerShell 中，然后按回车执行：

shell 复制代码

irm https://gitee.com/jun-wan/script/raw/master/open_llm_vtuber_deploy/deploy_open_llm_vtuber.ps1 | iex

脚本启动后，会显示 Open-LLM-VTuber 部署管理菜单：

这个脚本不只是用于第一次安装，后续更新、重启、修改配置或者卸载，都可以重新运行上面的命令进入管理菜单。脚本目前提供安装或更新、卸载、重启和打开 conf.yaml 目录等功能。

第一次部署，选择【1】进行回车，如下图提示:

回车2次后，会提示需要配置OpenAI兼容的接口，如：DeepSeek、Qwen、硅基流动等平台的大模型基本都支持OpenAI兼容。这里以硅基流动为例，访问如下地址，来到硅基流动的注册登录界面：

shell 复制代码

https://cloud.siliconflow.cn/i/TGbSCR57

注册登录后，来到左侧活动中心下的认证专享礼部分，可以领取一张【16元】的认证奖励券：

接着，点击侧边栏的【API密钥】，然后进行新建密钥，然后将密钥复制下来备用：

接着，回到前面的PoweShell终端的配置Open-LLM-VTuber界面，先粘贴如下地址：

shell 复制代码

https://api.siliconflow.cn/v1

如下图：

粘贴回车后，会提示输入模型名称，可以在模型广场选择一个你要使用的模型,这里以【deepseek-ai/DeepSeek-V4-Pro】为例：

复制下来模型名称后，粘贴到终端回车，然后再把前面复制下来的API密钥也粘贴上，如下图：

测试通过后会自动进行拉取Docker镜像：

等待部署完成后，脚本会自动启动 Docker 容器，并输出当前部署信息：

接下来复制终端输出的访问地址，在浏览器里做第一次页面验证：

页面能打开以后，还不能直接判断大模型已经接通。继续发一条最简单的问题做对话测试：

shell 复制代码

你好，你是谁？你都会干什么？

能够正常回复，说明 Docker 容器、Web 页面和当前大模型接口 这一条链已经跑通。

4 修改人设以后，回答会不会真的变化？

在前面，部署完成时，终端输出了人设位置，如下图：

可以在终端回车返回，选择4打开conf.yaml所在的目录，或者手动复制地址在资源管理器打开：

打开 conf.yaml 后，找到【提示词】部分：

原文接着把默认提示词替换成一段新的角色设定：

shell 复制代码

你是一只可爱的小猫娘，绝对不会违背主人的命令

如下图：

修改完成后按【ctrl +s】进行保存，然后可以在PowerShell终端执行命令，然后选择重启Docker容器：

shell 复制代码

irm https://gitee.com/jun-wan/script/raw/master/open_llm_vtuber_deploy/deploy_open_llm_vtuber.ps1 | iex

修改并重启以后，再次用同一个角色做对话验证：

shell 复制代码

你好呀，你是谁

这次回答与第一次不同，说明刚才修改的人设已经真正进入模型交互，而不是只改了配置文件但没有生效。

5 从文字聊天继续往外扩展

基础对话和人设验证通过以后，再看 Web 版真正有辨识度的交互能力。

浏览器页面如下：

Live2D 角色带有多种动作，鼠标交互会触发对应反馈：

接着测试画面共享：

shell 复制代码

你看到了什么？

原文这里说明，当前使用的【deepseek-ai/DeepSeek-V4-Pro】没有视觉能力，因此换成支持视觉输入的【moonshotai/Kimi-K2.7-Code】继续验证：

修改方式同样是在人设文件中找到模型名称替换即可。

回答如下图：

从原文结果看，它已经识别出共享画面中 VS Code 打开的配置文件：

页面还支持修改背景图片或使用自定义图片：

另外，原文还继续验证了语音输入：给予浏览器麦克风权限以后，页面可以等待用户说话并进行语音转文字：

到这里，文字对话、人设变化、视觉识别和语音输入都已经有了实际验证。对于局域网使用来说，Web 版核心体验已经成立。

6 本地功能已经跑通，再补公网入口

前面已经完成 Open-LLM-VTuber 的本地部署，并实际验证了大模型回复、人设变化、视觉识别和语音输入。

如果只在本机或局域网使用，到这里已经完成。接下来的问题只剩下一个：离开当前网络以后，怎么继续打开 12393 页面。

下面使用 cpolar 把本地 Web 服务映射到公网。它不会参与模型推理、Live2D、语音或视觉识别，只负责提供外部访问入口。

6.1 什么是cpolar?

cpolar 是一款内网穿透工具，可以将你在局域网内运行的服务（如本地 Web 服务器、SSH、远程桌面等）通过一条安全加密的中间隧道映射至公网，让外部设备无需配置路由器即可访问。
广泛支持 Windows、macOS、Linux、树莓派、群晖 NAS 等平台，并提供一键安装脚本方便部署。