# digital_human

**Repository Path**: wang_ling_hui/digital_human

## Basic Information

- **Project Name**: digital_human
- **Description**: 这是最典型的多 Agent 协作成果，解决 PPT 制作成本高、真人讲解不可规模化、录播无法互动的问题。系统支持 AI 生成 PPT、数字人讲解、语音打断、实时问答和断点恢复。核心长链为：用户输入主题 → 内容 Agent 生成大纲和讲解稿 → 视觉 Agent 设计布局 → PPT Agent 生成文件 → 测试/QA Agent 修复 → 导出 PDF → 数字人讲解。交互流为：用户语音打断 
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-02-10
- **Last Updated**: 2026-04-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# LumiDeck — 数字人PPT讲解系统

AI 数字人逐页讲解 PPT，支持语音打断提问、实时对话、断点恢复。

## 项目结构

```
├── frontend/          # React + Vite + TypeScript 前端
├── backend/           # Spring Boot 3 + Java 21 后端
├── backend/uploads/   # PDF + 讲解词JSON 存放目录（唯一数据源）
├── ppt_assets/        # PPT生成用的素材图片
└── docs/              # 设计文档
```

## 环境要求

- Java 21+
- Node.js 18+
- Maven 3.9+
- Python 3.8+（用于安装 edge-tts）
- DeepSeek API Key

## 快速启动

### 1. 安装 edge-tts（语音合成）

后端通过命令行调用 `edge-tts` 生成语音，必须先安装：

```bash
pip install edge-tts
```

安装后验证：

```bash
edge-tts --text "你好" --write-media test.mp3
```

能生成 `test.mp3` 就说明安装成功。

### 2. 配置环境变量

```bash
# Windows
set AI_DEEPSEEK_API_KEY=your-deepseek-api-key

# Linux / Mac
export AI_DEEPSEEK_API_KEY=your-deepseek-api-key
```

### 3. 准备演示文件

将 PDF 文件和对应的讲解词 JSON 放到 `backend/uploads/` 目录下：

```
backend/uploads/
  ├── 我的演示.pdf
  └── 我的演示_prompts.json
```

讲解词 JSON 格式如下（文件名必须是 `PDF文件名_prompts.json`）：

```json
[
  {
    "slideIndex": 0,
    "prompt": "大家好，欢迎来到今天的演示。这一页是封面..."
  },
  {
    "slideIndex": 1,
    "prompt": "这一页介绍的是产品背景..."
  }
]
```

- `slideIndex` 从 0 开始，对应 PDF 的页码
- `prompt` 是数字人朗读的讲解词
- 没有配置讲解词的页会使用默认模板

### 4. 启动后端

```bash
cd backend
mvn spring-boot:run
```

后端运行在 http://localhost:8080

### 5. 启动前端（开发模式）

```bash
cd frontend
npm install
npm run dev
```

前端运行在 http://localhost:5173

如需生产部署，编译前端到 dist 目录：

```bash
cd frontend
npm run build
```

## 使用流程

1. 打开首页，上传 PDF 文件（或直接放到 `backend/uploads/` 目录）
2. 将配套的 `_prompts.json` 讲解词文件放到同一目录
3. 进入讲解页面，点击"开始讲解"
4. 数字人逐页朗读讲解词
5. 点击打断按钮暂停讲解，可以语音或文字提问
6. 说"继续讲解"或点击恢复按钮，从当前页继续

## 技术栈

- 后端：Spring Boot 3.3 / Java 21 / WebFlux
- 前端：React 19 / TypeScript / Vite 6 / Zustand
- AI 对话：DeepSeek API（SSE 流式）
- 语音合成：Edge TTS（命令行调用）
- 语音识别：Web Speech API（浏览器原生）
- PDF 处理：Apache PDFBox