导游资源稀缺：黄金周或旺季时，专业导游供不应求，游客体验大打折扣。
信息单向传递：传统的录音导览设备内容固定，无法与游客互动，解答个性化问题。
缺乏情感连接：冰冷的设备难以提供如真人导游般的亲切感和情感互动。
管理盲区：景区管理者难以量化评估导游服务质量，无法精准获取游客真实反馈以优化服务。
本赛题期望通过AI数字人技术，构建一个7x24小时在线的“智能导游”，游客可通过手机App或景区终端设备与数字人交互，获得个性化服务;同时，系统为管理方提供数据看板，助力科学决策。
1. 游客前端：搭载Live2D可切换数字人，支持文字、语音双通道提问；采用流式交互实现文字、语音同步实时输出，界面自适应电脑与手机，内置景区快捷提问入口，提供沉浸式导游对话体验。
2. AI后端核心：集成四级STT、三级TTS自动降级方案保障语音稳定；依托豆包大模型搭配RAG知识库，结合问答缓存、场景模板双重兜底，解决AI信息幻觉、网络异常问题，可识别对话情绪，采用异步架构支撑多用户并发访问。
3. 管理后台：包含五大功能模块，数据大屏可视化展示接待量、问答热度、游客情感；知识库可批量上传文档维护景区资料；支持数字人形象、音色语速自定义；可分页筛选、导出全部游客对话记录，便于景区运营分析。
4. 配套特性：全平台一键部署，适配Windows/Linux/macOS，兼容主流浏览器，兼顾学术竞赛演示与景区商用运营需求。
整个项目是我独立完成。
一、技术栈总结
前端使用HTML5、PIXI.js、Live2D Cubism、SSE、Web Audio；后端基于Python FastAPI，搭配SQLite、SQLAlchemy；AI能力集成豆包大模型、多版本Whisper、edge-tts，依靠TF-IDF实现RAG检索，配套跨平台部署脚本与FFmpeg音频工具。
二、架构总结
采用三层分层架构：前端交互层负责数字人渲染、语音采集与流式展示；后端服务层统一调度语音、大模型、知识库业务；数据层通过SQLite存储知识库、对话日志、数字人配置数据，全程异步处理支撑并发访问。
三、项目亮点总结
1. 全链路流式交互，文字语音同步输出，首响应控制在1.5秒内；
2. 语音识别、合成多级自动降级，低配/断网环境仍可用；
3. RAG检索搭配多重兜底机制，解决大模型信息幻觉，保障景区资讯准确；
4. 自动兼容多套Live2D数字人，后台可视化调整形象、音色；
5. 配套完整运营后台，提供数据看板、知识管理、对话导出、情感统计；
6. 轻量化单文件数据库，Windows/Linux/macOS一键部署，上手门槛极低；
7. 数字人多状态拟人动画，支持文字、语音两种游客交互方式，多端自适应。
评论