> ## Documentation Index
> Fetch the complete documentation index at: https://docs.avaluma.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Avatar-Server-Überblick: Fotorealistische KI-Avatare deployen

> Betreibe den Avaluma-Avatar-Server, um .hvia-Avatare in Live-Video zu rendern und in LiveKit-Räume zu streamen. Erfordert eine NVIDIA-GPU mit 6+ GB VRAM.

Der Avaluma-Avatar-Server ist ein Docker-basierter Dienst, der fotorealistische KI-Avatare aus `.hvia`-Dateien rendert und das resultierende Video direkt in einen LiveKit-Raum streamt. Er übernimmt das gesamte GPU-beschleunigte Rendering lokal und gibt dir volle Kontrolle über Rechenressourcen und Latenz. Du kannst mehrere Avatar-Sessions gleichzeitig betreiben — jede Session verbraucht etwa 2,5 GB VRAM —, sodass das Hochskalieren mit wachsenden Anforderungen unkompliziert ist.

## Funktionsweise

Der Avatar-Server bildet den Kern des Avaluma-Stacks. Ein LiveKit-Agent steuert die Sprach-KI-Pipeline — Speech-to-Text, Sprachmodell und Text-to-Speech — und sendet Audio an den Avatar-Server. Der Server animiert den Avatar in Echtzeit und streamt das Video zurück in den LiveKit-Raum, sodass die Teilnehmer es sehen.

## GPU-Anforderungen

<Note>
  Der Avatar-Server benötigt eine dedizierte NVIDIA-GPU. Reine CPU-Umgebungen werden nicht unterstützt.

  | Anforderung              | Detail                                                                                                                        |
  | ------------------------ | ----------------------------------------------------------------------------------------------------------------------------- |
  | CUDA-Version             | 12                                                                                                                            |
  | Zusätzliche Fähigkeiten  | OpenGL-Unterstützung, Grafiktreiber                                                                                           |
  | Minimaler VRAM           | 6 GB (jede Avatar-Session nutzt \~2,5 GB)                                                                                     |
  | Getestete Architekturen  | Ampere, Ada Lovelace, Blackwell                                                                                               |
  | NVIDIA Container Toolkit | Erforderlich — [Installationsanleitung](https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html) |
</Note>

## Deployment-Optionen

Du kannst deinen LiveKit-Agent entweder mit dem von Avaluma gehosteten Server oder mit deiner eigenen selbst gehosteten Instanz verbinden:

* **Avaluma Hosted** — richte deinen Agent auf `api.avaluma.ai` und lass Avaluma die Infrastruktur verwalten.
* **Selbst gehostet** — betreibe den Docker-Dienst auf eigener Hardware für volle Kontrolle über Daten und Rechenleistung.

## Verzeichnisstruktur

Das Verzeichnis `avatar-server/` enthält alles, was du für den Start brauchst:

```
avatar-server/
├── assets/
│   └── avatars/          # Lege deine .hvia-Avatar-Dateien hier ab
├── reverse_proxy/        # Optional: Caddy-HTTPS-Reverse-Proxy
│   ├── Caddyfile
│   └── docker-compose.yaml
└── docker-compose.yaml
```

Lege deine `.hvia`-Avatar-Dateien in `assets/avatars/` ab. Der Ordner `reverse_proxy/` enthält eine optionale Caddy-Konfiguration zum Terminieren von TLS in der Produktion.

## Nächste Schritte

<CardGroup cols={2}>
  <Card title="Setup" icon="server" href="/de/self-hosting/avatar-server/setup">
    Deploye den Avatar-Server mit Docker, füge deine Avatar-Dateien hinzu und konfiguriere die Umgebung.
  </Card>

  <Card title="HTTPS-Proxy" icon="lock" href="/de/self-hosting/avatar-server/https-proxy">
    Füge deinem Deployment mit dem enthaltenen Caddy-Reverse-Proxy automatisches TLS hinzu.
  </Card>
</CardGroup>