xszyou/fay 是一个 agent 框架，把数字人——像人一样说话和行动的虚拟角色——接入业务系统。它在一个框架内同时处理 2.5D 与 3D 形象、移动设备、PC 和网页、兼容 OpenAI 的 API，以及 DeepSeek 等大语言模型（LLM）。目前没有公开的最新版本，因此无法确认是否有新版本发布。
这个框架的核心是把语音识别（ASR）、语言模型和语音合成（TTS）组合起来驱动形象。ASR 是把人的话转成文字的识别技术，TTS 是把文字或音频信号合成为语音的技术。README 将 Fay 描述为一个开源框架：它把数字人模型与大语言模型连接起来，并且可以替换 TTS、ASR 模型。它支持离线使用、流式处理和多用户并发处理，并可与微控制器、应用、网站、大型屏幕和外部业务系统联动。文本与语音交互、数字人驱动、管理控制、自动播报、意图接口被列为它的功能。
实现语言是 Python，许可证是 GPL-3.0。仓库创建于 2022 年 6 月 13 日，星标数为 13581。
不过目前能确认的只有 README。README 中整理的功能只是项目自述的范围，给出的记录里没有实测的性能数值、基准测试或实际落地案例。评分也不高，动量一项满分 10 分只填了 0.8，新颖性、技术、质量三项均为空。按照 GPL-3.0 许可证条款，如果打算与其他代码合并后分发，需要先确认相关条件。现在能确认的仅是它是一个数字人框架；实际的响应质量和并发处理规模仍需另行核实。