Initial lip-sync service with command backend

docs/model-selection.md

@@ -0,0 +1,47 @@
+# 模型选型备忘
+
+## 1. 数字人模型是什么
+
+这里的“数字人”不是大语言模型，也不是单纯图片处理模型。它属于：
+
+- 音频驱动人脸动画
+- 口型同步
+- 视频生成 / 视频重绘
+- 计算机视觉 + 音频特征处理
+
+输入是人物视频和语音，输出是口型跟随语音的新视频。
+
+## 2. 推荐路线
+
+### 快速验证：Wav2Lip / Wav2Lip-HQ
+
+优点：资料多、命令行方式成熟、适合先跑通。
+
+缺点：高清和复杂动作效果有限。
+
+### 效果优先：MuseTalk
+
+优点：现代方案，效果潜力更好。
+
+缺点：部署更重，需要更认真处理依赖和预处理。
+
+### 项目一致性：LstmSync
+
+优点：主项目已有 `resources/lstmsync` 配置，功能定位最贴近。
+
+缺点：需要确认权重、环境和推理脚本是否完整可迁移。
+
+## 3. 硬件建议
+
+- 最低尝试：RTX 3060 12GB。
+- 更稳妥：16GB+ 显存。
+- 长视频或高清：建议 24GB+ 显存，或做切片处理。
+
+## 4. 不建议第一版做的事
+
+- 不要一开始就训练模型。
+- 不要一开始就做多模型动态切换 UI。
+- 不要一开始就接公网鉴权和计费。
+- 不要把模型权重放进 Git。
+
+先跑通一个真实模型，再做工程化。