**Simli 是面向已有或准备构建语音智能体团队的实时 Avatar API。**它把实时音频转换为口型同步的 Talking Face 视频流，并支持 LiveKit、Pipecat、WebRTC 和 SDK 集成。它适合可组合架构，但采购时必须把语音、模型、传输和运维等相邻成本一起计算。
最后核验：2026 年 9 月 17 日。Simli 的 API、免费额度、套餐条款和集成支持可能变化，上线前请核对当前控制台和文档。
Simli AI 是什么？
Simli 把核心产品描述为 Speech-to-Video API。应用发送音频，Simli 为用户生成口型同步的实时 Avatar 视频。不能默认每个 Simli 分钟已经包含语音识别、LLM、TTS、业务逻辑和 Avatar 的完整成本。
这种较窄的产品边界也可能是优势。团队可以保留现有语音智能体、RAG、工具、权限和可观测系统，只在输出端接入一张“脸”。但进行成本与延迟比较时，也必须计算完整智能体，而不是把 Simli 的 Avatar 分钟与其他供应商的全栈分钟直接比较。
Simli Avatar API 如何工作？
当前开发者文档把 LiveKit、Pipecat 和 Simli SDK 作为主要集成路径。自定义 WebRTC 客户端创建 Session、发送符合要求的音频，并接收实时视频。
旧教程尤其需要核对 API Migration Guide。该文档介绍当前 WebRTC 和 LiveKit 路径，并说明旧的 text-to-video endpoint 已移除。开发者现在应通过选定的声音服务生成语音，再把音频发送给 Simli。直接复制旧的文本输入示例可能增加迁移工作。
Simli 官网公布 Speech-to-Video 阶段低于 300 毫秒的延迟数据。这是供应商对自身链路的说明，不是端到端承诺。用户感知响应还包含轮次检测、转写、模型生成、工具、TTS、传输、缓冲和播放。
| 集成层 | Simli 提供 | 产品团队负责 |
|---|---|---|
| Avatar 生成 | 口型同步的 Speech-to-Video 输出 | 形象选择、授权和视觉验收 |
| 音频输入 | 音频驱动的实时 Session | 从现有声音栈生成并格式化语音 |
| 媒体交付 | WebRTC 与框架集成路径 | Session 生命周期、重连和 UI 状态 |
| 智能体能力 | 核心 API 不一定包含 | STT、模型、工具、RAG、策略和可观测性 |
LiveKit、Pipecat 和其他集成
官方 LiveKit Simli Plugin允许 Python LiveKit Agent 把 Simli Avatar 接到音频输出上。已经使用 LiveKit 管理实时房间和 Agent Session 的团队可以优先测试这条路径。
Pipecat 也提供 Simli Video Service，用于 WebRTC Avatar 输出。Simli 的示例索引还列出 OpenAI Realtime、Pipecat、Vapi 等组合。生产使用前应确认示例针对当前 API，因为部分旧 ElevenLabs 材料已经标记为 deprecated。
这些集成能让 Simli 成为语音智能体的可见输出端，但不会自动解决打断、空闲 Session 清理、重连、Transcript 处理和工具调用安全。
Simli 多少钱？
Simli 官网当前提供 $10 注册 credit，并为免费账户每月补充 50 分钟。付费方式描述为支持 Volume Discount 的灵活 Pay-as-you-go，但公开页面没有为所有账户提供一套完整、稳定的费率表。
因此，第三方网站上的精确每分钟数字不能直接用于采购。应通过控制台或书面报价确认实际费率、超额、Custom Face、并发、最长 Session、支持和 SLA。Simli 定价指南提供了完整成本模型，并说明为什么不能把目录网站的估算当作官方价格。
| 成本项 | 公开 Simli 描述是否包含 | 需要确认什么 |
|---|---|---|
| Speech-to-Video Avatar | 是 | 实际分钟费率、超额和计费边界 |
| 语音识别 | 不一定 | 供应商和流式成本 |
| LLM 或 Speech-to-Speech | 不一定 | 模型、Token、工具和缓存 |
| 语音合成 | 音频驱动路径需要 | Voice Provider 和音频格式 |
| 实时传输 | 取决于集成 | LiveKit 或其他媒体成本 |
| Custom Face 与支持 | 条款不同 | 配额、授权、周期和 SLA |
Simli 的优势与限制
Simli 最适合希望保留智能体控制权、只接入视觉层的开发团队。LiveKit 和 Pipecat 可以减少自建媒体管线的工作量，音频驱动接口也便于更换模型和声音供应商。
可组合性同时带来运维责任。团队仍需管理周边 AI 管线，并排查多个服务之间的问题。云端生成视频还意味着持续媒体传输和客户端解码。公开价格足以启动原型，但不足以在没有账户级条款时批准生产预算。
Simli 与 Spatius 的区别
两者都可以接在现有语音智能体之后，但 Avatar 交付方式不同。
| 决策维度 | Simli | Spatius |
|---|---|---|
| 核心角色 | Speech-to-Video Avatar 服务 | 客户端渲染的 Avatar 层 |
| 输出 | 云端生成的实时视频 | 客户端 SDK 渲染紧凑控制数据 |
| 现有 AI 栈 | 可以保留 | 保持独立 |
| 常见集成重点 | LiveKit、Pipecat、WebRTC 和音频格式 | Web、iOS、Android 与现有 Agent 集成 |
| 生产测试重点 | 视频延迟、带宽、Session 限制和并发 | 设备性能、Motion 数据、SDK 行为和栈控制 |
如果云端 Speech-to-Video 符合产品需求，并且现成集成能缩短开发时间，可以选择 Simli。如果客户端渲染、原生设备交付或减少持续云视频依赖更重要，则应评估 Spatius。Spatius LiveKit 集成展示了如何让客户端渲染视觉层与 LiveKit Agent 保持分离。
成本比较应使用实时 AI Avatar API 定价指南中的完整工作负载，而不是把云视频分钟与客户端渲染分钟直接视为同一种单位。
Simli PoC 应测试什么？
从目标生产技术栈开始，而不是只测试独立 Avatar Demo。分别测量用户结束发言到声音播放的时间，以及加入同步视频后的增量时间。覆盖打断、长回答、静默、重连、丢包、移动网络和最高预期并发。
记录每个完成对话的总成本，包括异常退出和空闲 Session。确认 Avatar 授权、生成媒体、日志和 Custom Face 资产归属。还要设计降级路径：如果视觉服务不可用，智能体应能提示错误或继续 Audio-only 模式。Avatar SDK 测试指南提供可复用的验收计划。
Simli AI 常见问题
Simli 是完整的 AI Agent 平台吗？
Simli 的核心产品是 Speech-to-Video Avatar API。它能连接智能体框架和模型供应商，但不能默认 Avatar 分钟包含全部对话组件。
Simli 免费吗？
Simli 当前提供 $10 注册 credit，并每月为免费账户补充 50 分钟。上线前请在账户中核对使用权、限制和付费条款。
Simli 支持 LiveKit 吗？
支持。LiveKit 文档提供 Python Simli Avatar Plugin，可把 LiveKit Agent 的音频输出连接到 Simli Face。应测试完整端到端链路。
Simli 支持 Pipecat 和 Vapi 吗？
Pipecat 提供 Simli Video Service，Simli 也链接了 Pipecat 和 Vapi 示例。旧示例可能已弃用，使用前请核对当前 API。
什么时候应该比较 Simli 和 Spatius？
当现有语音智能体需要视觉层时可以比较两者。Simli 返回云端生成视频；Spatius 在客户端渲染 Avatar。应使用同一设备、网络、工作负载和成本模型测试。
围绕现有智能体选择视觉层
如果开发团队希望给可组合语音栈增加一张实时可见的“脸”，Simli 是合理候选。最终决定应来自接近生产环境的 PoC，而不是单一延迟数字或目录价格。
将客户端渲染的 Avatar 层与你当前的 LiveKit、语音或 Agent 架构进行比较。 申请演示, or ，或查看 Spatius 定价.。