Streamer-Sales

输入商品，自动生成卖货话术并驱动数字人直播

Streamer-Sales 是一个开源的卖货主播大模型，旨在根据商品特点自动生成激发用户购买意愿的解说内容。它解决了电商直播中内容创作成本高、个性化不足的问题，核心能力包括基于 InternLM 的对话生成、RAG 检索增强生成（可结合商品库）、TTS 语音合成、数字人生成、ASR 语音转文字，以及 Agent 联网查询实时信息。项目提供了详细的数据生成流程，并集成了 LMDeploy 加速推理、FastAPI 后端、Vue 前端和 Docker-compose 部署，形成完整的端到端解决方案。

开源 free 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3775

维护状态低维护

是否开源是

定价模式 free

项目数据

分类对话助手

开发团队PeterH0323

所属国家

官网地址https://openxlab.org.cn/apps/detail/HinGwenWong/Streamer-Sales

GitHubhttps://github.com/PeterH0323/Streamer-Sales

定价模式free

价格说明开源项目，提供在线Demo，可免费体验，无付费版本。

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型asr,chat,chat-application,chatbot,chatgpt,digital-human,gpt,internlm-chat-7b,internlm2,llm,meta-human,rag,text-generation,tts

GitHub 星标★ 3775

30天Star增速

HF 下载量

上线时间2024-04-05 00:00:00

最近更新2026-09-23 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

难度：高级约 60 分钟部署方式：Docker 8 步

环境要求

系统 Ubuntu 20.04.6 LTS，CUDA 12.2，显卡驱动 535.54.03
显卡 A100 / RTX4090 / RTX3090，内存最小 64G，磁盘 500G SSD
Python 3.10 与 conda（版本 23.9.0 左右即可）
docker 24.0.7 与 docker-compose 1.29.0
LLM 服务显存：lelemiao-7b 约 16G（建议 40G 卡），4bit 版约 6.5G（可适配 24G 卡）

安装与启动步骤

1克隆项目代码

把仓库拉取到本地，后续所有构建与启动命令都在该目录内执行。
```
git clone https://github.com/PeterH0323/Streamer-Sales.git
```
2构建镜像文件

进入项目目录并基于 docker/Dockerfile 构建 streamer-sales:v0.10.0 镜像。
```
cd Streamer-Sales
docker build -t streamer-sales:v0.10.0 -f docker/Dockerfile .
```
3启动容器服务

用 docker-compose 一键拉起后端服务；首次启动会自动下载模型，需耐心等待。
```
docker-compose up
```
4创建虚拟环境

宿主机部署方式：用仓库自带 environment.yml 创建 streamer-sales 环境。
```
conda env create -f environment.yml
```
5安装项目依赖

激活环境后按 requirements.txt 安装 Python 依赖；权重下载超时可参考 weights/README.md 自行下载。
```
conda activate streamer-sales
pip install -r requirements.txt
```
6启动语音类服务

TTS、数字人、ASR 三个服务各需单独开一个终端执行，前后端分离版本适用。
```
bash deploy.sh tts
bash deploy.sh dg
bash deploy.sh asr
```
7启动大模型服务

默认部署 lelemiao-7b，建议 40G 显存；24G 显卡请改执行 bash deploy.sh llm-4bit。
```
bash deploy.sh llm
```
8启动中台服务

需先配置数据库环境并设置密码，再用 deploy.sh base 启动中台服务。
```
export POSTGRES_PASSWORD="your_password"
bash deploy.sh base
```

关键配置

配置项	必填	说明	示例
`POSTGRES_PASSWORD`	是	中台服务连接的数据库密码，需自行填写	`your_password`
`POSTGRES_SERVER`	否	数据库 IP 地址，按需配置	`127.0.0.1`
`POSTGRES_DB`	否	数据库名称，按需配置	`streamer_sales_db`
`device_ids`	否	compose.yaml 中为每个服务指定显卡 ID	`0`
`USING_4BIT`	否	融合版本中设置使用 4bit 模型	`true`
`KV_CACHE`	否	全部模型启动后剩余显存的 kv cache 占用比例	`0.05`

如何确认成功

查看 docker-compose 启动日志，所有服务均正常拉起且无 connect fail 报错即部署成功。

常见问题

Q：第一次启动提示服务之间 connect fail 怎么办？

A：首次启动需要下载模型，下载期间服务间连接可能失败，耐心等待模型下载完成后再重启服务即可。

Q：24G 显卡显存不够怎么办？

A：LLM 服务改用 bash deploy.sh llm-4bit 启动 4bit 模型；如果仍然 OOM，不启动 ASR 服务基本就没问题了。

Q：多张显卡如何指定每张卡跑哪个服务？

A：修改 compose.yaml 中的 device_ids，为每个服务分别配置所使用的显卡 ID。

Q：下载权重经常 timeout 怎么办？

A：参考 weights/README.md 中的权重文件结构说明，文档内提供了源模型超链接，可自行下载权重。

注意事项

中台服务依赖数据库环境，需先参考 doc/database/README.md 完成数据库搭建。
前端服务需先搭建前端环境，详见 doc/frontend/README.md，再执行 bash deploy.sh frontend。
前后端分离版本（> v0.7.1）中每个服务都要单独开一个终端启动。
想简单试玩可切到融合版本：git checkout v0.7.1 后再部署。

核心亮点

提供从数据生成到模型微调的完整流程，便于复现
集成 RAG、TTS、数字人、ASR 等模块，功能全面
支持 LMDeploy 加速推理，部署性能优化

不足之处

文档/社区待观察
依赖特定模型（如 InternLM），迁移其他基座需额外适配

适用场景

电商直播自动生成商品解说词
数字人直播带货内容生成
商品营销文案批量生产

替代项目

ChatGPT、通义千问、DeepSeek

项目介绍

Streamer-Sales 是行业应用领域的开源项目，由 PeterH0323 开发，2024 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（3,775）位列前 30%，在行业应用分类的 544 个项目里位列前 8%。

近 45 天，它的 GitHub 星标从 3,751 增加到 3,775，净增 24。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。提供在线Demo，可免费体验，无付费版本。从国内网络环境看，可直接访问。

它主要面向的使用场景是：电商直播自动生成商品解说词。同类可对比的替代方案包括 ChatGPT、通义千问、DeepSeek。

上一篇：GPS_IMU_Kalman_Filter

下一篇：wppconnect