基于 B 站直播接口、大语言模型 (LLM) 和语音合成 (TTS) 的 AI 主播演示项目，支持本地化部署与自定义角色设定。
本项目旨在构建一个功能强大的 B 站 AI 主播演示系统。通过无缝集成大语言模型（LLM）和语音合成（TTS）技术，它能够实现实时的弹幕交互、灵活的角色扮演以及逼真的语音播报。该系统支持主流 LLM API（如 OpenAI、DeepSeek）和本地化部署方案（如 GPT-SoVITS 模型），并且无需依赖第三方框架（如酒馆系统），大大简化了部署流程。
- 实时弹幕互动：自动抓取 B 站直播间弹幕，智能解析用户输入，实现即时、流畅的互动体验。
- 多 LLM 模型支持：灵活兼容 OpenAI、DeepSeek 等主流 LLM API，同时支持集成自定义的本地大语言模型，满足不同需求。
- 模块化 TTS 架构：无缝集成 GPT-SoVITS 本地语音合成模型，或选择调用在线 TTS 服务，提供多样化的语音输出选项。
- 高度可定制角色：通过简洁的 Prompt 配置，轻松实现个性化的主播角色设定（例如：元气虚拟偶像、专业知识问答助手等）。
- 轻量级无依赖部署：直接对接 B 站直播接口，无需额外安装酒馆系统等第三方框架，部署更便捷。
- 📸 智能截图辅助：动态判断直播画面内容，在需要时自动截取当前屏幕，为 AI 决策提供视觉辅助（截图文件存储于
./img目录）。
B 站直播接口 ←(弹幕输入)→ AI 主播系统 →(语音输出)→ VTS/VirtualYou
↑(LLM 调用1) 小模型验证 ↑(TTS 调用)
└─ OpenAI/DeepSeek └─ GPT-SoVITS/在线 TTS
↑（LLM 调用2） 大模型输出
└─ OpenAI/DeepSeek
首先，请安装项目所需的 Python 依赖：
pip install -r requirements.txt
# 如果计划使用 GPT-SoVITS 本地模型，请根据其官方文档额外安装相应的依赖。请根据您的环境修改 config.json 文件：
{
"statue": 1,
"msg_filte": ["互关", "关注", "回关"], // 用于过滤直播弹幕中的敏感或无意义关键词
"api-key-tts": "sk-", // TTS 服务 API 密钥（例如 SiliconFlow）如果使用本地推理（如gptsovits等）可以不填
"api-url-tts": "https://api.siliconflow.cn/v1/audio/speech", // TTS 服务请求地址，其他同上
"api-key-llm-1": "", // 主 LLM API 密钥（主要用于生成主播回复）
"api-key-llm-2": "sk-", // 次 LLM API 密钥（用于过滤无意义消息和辅助判断是否需要截屏）
"api-url-1": "", // 主 LLM 服务请求地址
"api-url-2": "https://api.siliconflow.cn/v1/chat/completions", // 次 LLM 服务请求地址
"live_url": "https://api.live.bilibili.com/xlive/web-room/v1/dM/gethistory?roomid=YOURID&room_type=0", // 将 YOURID 替换为你的 B 站直播间 ID
"ws_host": "ws://localhost:8088", // VTuber Studio (VTS) WebSocket 地址
"vts_authenticationToken": "", // VTS 认证令牌（可选，留空则首次启动时自动获取）
"streamer_name":"your name", // 你的 B 站直播间昵称，有助于 LLM 区分主播和观众
"danmu_context":4, //直播间上下文弹幕条数
"use_text_align":false, // 强制文本-语音对齐功能，开启后可实现字幕与语音同步显示（需额外安装 torch 和 whisperx）
"use_screen_shot":true, //是否启用小模型来辅助判断启用截图功能
"use_stream":true //是否开启流式输出并生成语音，可能有助于减少AI主播的反应时间
}注意：启用 use_text_align 功能需要额外安装 PyTorch 相关库和 whisperx，这相对复杂。因此，该选项默认是关闭的。
在项目根目录下运行主程序：
python main.py- 修改直播间地址：
在
main.py文件中，将live_url变量替换为你的 B 站直播间真实地址：live_url = "https://live.bilibili.com/your_room_id" # 请替换为你的直播间地址
- 配置 TTS 模式：
- 使用在线 API：确保
config.json中已正确填写有效的 TTS API 地址和密钥。 - 使用本地模型：如果你希望使用本地部署的 TTS 模型，请部署 GPT-SoVITS 并相应地修改
main.py中的 TTS 调用逻辑。
- 使用在线 API：确保
- 自定义主播角色（可选）：
在
main.py文件的Prompt变量中，可以自定义你的 AI 主播角色设定。例如：你是一个活泼的虚拟偶像，用元气满满的日语和观众互动！ - 文件输出：
- 生成的语音文件将统一保存在
./voices文件夹中。 - 实时处理的文本输出会保存在
./text/realtime_chars.txt文件中。
- 生成的语音文件将统一保存在
- 演示视频：点击观看 B 站直播演示
- 界面截图：
- 重构 API 调用方式，不再依赖酒馆系统，实现更轻量级的部署。
- 新增本地 TTS 支持（集成 GPT-SoVITS 模型）。
- 实现 TTS 响应的持久化存储功能。
- 优化弹幕过滤逻辑，提高互动质量。
- 增加智能截屏功能，并与小模型联合判断回复是否需要截屏操作，增强 AI 决策能力。
- 新增强制文本-语音对齐功能，提升直播字幕与语音的同步体验（输出文件位于
./text目录）。 - 更新了主播人格 Prompt，使 AI 主播的性格更贴合直播场景，并生成更具相关性的弹幕回复。
- 优化vtuber studio api调用逻辑，使其更加活灵活现。
- 增加流式输出
- 增加HTML网页字体，能够自动读取生成的文本并应用相应字体。使用方法请参考OBS等软件的添加浏览器网页。启动服务路径在
.\customer_font\fast_backend.py
- 对弹幕获取方式进行了更新，现在能接受最多4条弹幕的上下文以提供更多信息给LLM，具体上下文条数可以参考
config.json中的danmu_context。如果其值为1，则为旧版获取弹幕方式。 - 增加logger样式命令行输出。
- 优化了对LLM的提示词
- 更改LLM提示词，使其更加偏向neuro风格，具体参考
./config.py
本项目采用 MIT License。你可以自由地进行商业使用和修改，但请务必保留原作者信息。
如果觉得这个项目对你有帮助，可以点点 star！⭐⭐