Streamer-Sales

输入商品，自动生成卖货话术并驱动数字人直播

开源 🏷️完全免费 ✅ 目前可打开对话助手 🍴 复刻 576 🐛 待处理 15 👀 关注 46

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 3803

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，提供在线Demo，可免费体验，无付费版本。

项目预览

Streamer-Sales 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类对话助手

开发团队PeterH0323

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

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

定价模式🏷️完全免费

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✅ 目前可打开

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★ 3803

上线时间2024-04-05 00:00:00

代码更新2025-03-08

仓库体积70.2 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 3803

技术标签

asr chat chat-application chatbot chatgpt

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`