语音助手能和你对话，却常常只有声音，没有一张会同步说话的脸。开源项目 Openspline 想补上这一层：用户选择一张图片，它就在本地 GPU 上生成实时口型视频，把现有语音 Agent——能听懂语音、组织回答并调用工具的 AI 助手——变成可见的数字人。
项目作者称，Openspline 可用约 5 行代码接入现有语音 Agent；其 lite 模型在 NVIDIA RTX 4090 上能生成 90 FPS 以上的画面。FPS 指每秒生成的帧数，这个数字说明它有较高的视频吞吐量，但不能单独证明端到端延迟、画质和口型准确度。项目目前仍处于很早期，供稿也未披露测试分辨率、精度设置及完整评测，因此现阶段更值得关注的是方向：语音 Agent 的低延迟视觉化身，开始尝试在单张消费级显卡上本地运行。