Mac/Windows游戏自动直播AI工具~游戏直播副驾产品系统

1、行业背景：直播行业已进入存量竞争阶段，抖音、视频号、快手等平台把"内容 + 打赏 + 电商"打通，同一场游戏直播可同时叠加打赏和带货（小黄车）两种变现方式，吸引大量个人和兼职主播入场。但从业主力是中小主播和个人主播，普遍没有团队、请不起助播和场控，一个人要同时承担"操作游戏、开口解说、看弹幕互动、报商品价格"四件事。与此同时，多模态大模型（视觉理解）与语音合成技术成熟，使机器"看懂画面并开口说话"的成本大幅下降，过去每月几千元的助播人力，如今可用一次性的软件加几十元的推理成本替代，AI 进入直播生产环节已具备经济性。

2、要解决的产品问题：单人主播最大的痛点不是不会玩，而是"嘴和手抢时间"。游戏操作需要高度专注，一旦开口解说就会掉操作，闭嘴则直播间冷场——平台推荐算法依赖停留时长与互动率，冷场几分钟新观众就会划走，这是生理性矛盾而非技巧问题，靠训练无法根除。次要痛点包括：弹幕尤其是"多少钱、怎么买、发什么货"这类高意向提问无法及时回复，延迟答复直接造成转化流失；个人主播想挂小黄车带货，缺乏价格锚定、卖点提炼的专业话术能力，且极易触碰《广告法》极限词红线，存在违规风险。

3、现有方案的不足：录播素材循环播放属平台明令禁止的"无人直播"，轻则限流重则封号；纯弹幕机器人只能打字不能发声；市面上的 AI 口播工具面向电商话术设计，无法理解游戏实时画面。本项目的解法是定位"AI 副驾"而非"替代主播"——主播真人在场专心操作，AI 负责解说画面、念读并回复弹幕、生成合规带货话术，并内置定时自动停机机制以保证真人在场，从根本上符合平台合规要求。

1、立项背景和目标：个人游戏主播一个人开播，普遍面临“玩了游戏就没嘴解说、没精力看弹幕、撑不了几小时”的问题。本项目目标是做一个 Mac 端 AI 直播副驾：主播专心玩游戏，AI 替他看画面做解说、替他读弹幕回弹幕，让一个人拥有两个人的直播效果。

2、软件功能与核心模块：
① 游戏舞台——内置 88 款网页游戏一键开播，其中 23 款支持托管全自动玩；
② AI 讲解——多模态大模型（云端视觉模型或本地 Ollama）周期性读取游戏画面生成口语化解说，无 API Key 自动降级到本地规则引擎，全程不冷场；edge-tts 语音合成 14 种中文音色，音色/音量/语速独立可调；
③ 弹幕互动——自动接入抖音直播间实时读取弹幕（支持自动检测直播间地址），大模型生成回复并语音播报；
④ 带货商品讲解——支持链接抓取/粘贴识别/截屏OCR 三种商品录入，自动生成带货话术（价格锚定、卖点、引导小黄车），内置广告法违禁词过滤；
⑤ 双平台推流——深度对接 OBS（obs-websocket 协议），兼容抖音直播伴侣轻量直采模式。

3、业务流程：安装软件 → 选择游戏一键开播 → AI 自动解说画面、自动回复弹幕 → 观众听到真人声解说与互动 → 可选开启商品讲解模式进行带货。

1、整体架构：Python 3.13 + FastAPI 后端本地部署，浏览器面板作前端；Playwright 通过 CDP 协议驱动系统 Chrome 采集游戏画面；pyobjc 实现菜单栏常驻应用；PyInstaller 打包成 72MB 的 DMG 安装包（免装 Python 环境双击即用）。采集、解说引擎、语音合成、弹幕回复、商品解析、授权校验各自独立成模块，经事件总线解耦。

2、我负责的模块和结果：单人全栈完成从需求到交付。集成 88 款游戏（23 款全托管）；打通本地 Ollama 与 3 类云端视觉模型双通道并自动降级；OBS 集成实现自动读取插件配置、连接诊断四步定位；TTS 支持本机监听+进流双输出与 14 音色；弹幕自动回复链路延迟 3 秒内（不含模型推理）；实现离线 HMAC 授权与商品带货讲解模块，最终交付可分发安装包。

3、遇到的难点、坑和解决方案：
① “点了没反应”类顽疾：逐一根因分析定位到 Playwright TargetClosedError（就绪判定失效）、macOS 原生 prompt 弹窗落到窗口背后、异步任务无事件循环等多个坑，全部修复并用真实浏览器自动化点击测试验证闭环；
② AI 声音观众听不到：设计双通道输出与连续失败自动回落机制，源不可用时无缝切换；
③ 电商站点对无头浏览器的风控拦截：建立风控页指纹识别（URL/标题特征），引导用户可见窗口手动过验证，并拦截“无价格假成功”，确保带货话术永远不念错价；
④ 打包坑：pyobjc 方法装饰、Tee 管道 isatty、PYZ 模块同步等问题，将构建脚本改造为一键可重复构建。