GitHub – PeterH0323/Streamer-Sales: Streamer-Sales 销冠 —— 卖货主播 LLM 大模型🛒🎁，一个能够根据给定的商品特点从激发用户购买意愿角度出发进行商品解说的卖货主播大模型。🚀⭐内含详细的数据生成流程❗ 📦另外还集成了 LMDeploy 加速推理🚀、RAG检索增强生成 📚、TTS文字转语音🔊、数字人生成 🦸、 Agent 使用网络查询实时信息🌐、ASR 语音转文字🎙️、Vue 生态搭建前端🍍、FastAPI 搭建后端🗝️、Docker-compose 打包部署🐋

StreamerSales（销冠）是一个聚焦卖货场景的AI主播大模型项目，基于InternLM2大模型进行指令微调，核心目标是通过理解商品特点，生成能激发用户购买意愿的解说内容，覆盖从文字文案到多媒体呈现的全流程卖货能力。

核心功能模块
1. 智能文案生成
作为基础功能，模型能针对商品的亮点（如材质、功能、优惠政策等），输出口语化、有感染力的直播口播文案，重点放大商品价值，贴合用户购物心理。

2. 性能与准确性优化
集成LMDeploy推理加速，相比基础模型推理效率提升3倍以上，支持高并发场景；
加入RAG检索增强生成，可对接商品说明书等外部文档，无需重新训练模型，就能准确讲解新商品，适配快速更新的商品库。

3. 多媒体互动能力
TTS文字转语音：支持将文案转为带情感的语音（2.0版本优化了语气表达，更贴近真人主播）；
数字人生成：开源ComfyUI Workflow，可生成主播数字人视频，将文字解说升级为可视化内容；
ASR语音转文字：支持语音互动，用户可通过语音提问，模型自动转文字并回复，提升交互体验。

4. 实时信息查询
内置Agent网络查询能力，可对接快递鸟（预计到达时间）、和风天气等API，解答用户关于配送时效、天气影响等实时问题。

5. 技术栈与部署
前端：采用Vue+Pinia+ElementPlus搭建，界面可自由扩展，适配不同卖货场景；
后端：基于FastAPI+Uvicorn+PostgreSQL，支持JWT身份验证和RESTful API规范，性能稳定且符合生产标准；
部署：支持Dockercompose一键分布式部署，解决环境配置问题，也可通过宿主机直接部署（适配不同显存配置，如24G显存可使用4bit量化模型）。

项目发展与体验
迭代记录：2024年以来陆续实现前后端分离、Docker部署、数字人1.0、ASR接入、PostgreSQL数据库集成等功能；
获奖情况：获2024浦源大模型挑战赛（夏季赛）创新创意赛道TOP1；
体验方式：
在线体验：OpenXLab平台部署v0.7.1版本（部分功能因API计费限制未开启），地址为https://openxlab.org.cn/apps/detail/HinGwenWong/StreamerSales；
本地部署：文档提供详细步骤，支持Docker或宿主机部署，适配不同配置的机器（如40G显存推荐完整部署，24G显存可使用4bit量化模型）。

后续规划
未来将持续优化模型合规性（如遵守《广告法》）、适配更多直播平台规则，并根据用户反馈完善功能，提升商业化场景的适配性。

该项目不仅是AI技术在卖货场景的落地尝试，也为开发者提供了从模型微调、功能集成到部署的完整参考方案。