Interactive Avatar

Interactive Avatar 是一个前后端分离的交互式数字人原型系统： 用户可以创建 3D 角色（文本/图片/预设），完成辅助绑骨与场景配置，并在交互页通过语音与手势进行实时会话，最后在 Dashboard 查看模型、会话历史和录屏。

项目特性

• 多入口建模：文本生成、图片生成、预设角色
• 辅助绑骨流程：8 点位标注 + 任务轮询 + 动作预览
• 场景系统：图库选择、背景上传、文生图、提示词润色
• 实时交互：挥手触发、语音会话、中断与自动结束
• 数据沉淀：模型记录、会话事件、摘要、录屏上传与回看

主流程（4 步）

1. 形象生成（/create）
2. 辅助绑定（/rig-preview）
3. 场景预览（/scene-preview）
4. 交互会话（/interact）

会话结果可在 Dashboard（/dashboard）中检索与回看。

技术栈

• Frontend: Vite + React 19 + React Router + Three.js + React Three Fiber + MediaPipe
• Backend: FastAPI + SQLAlchemy 2 + Alembic + SQLite + WebSocket
• External Services:
  • Meshy（文本/图片生成 3D）
  • DashScope / Qwen（实时语音、ASR、提示词润色、文生图）
  • Unsplash（可选图库来源）

目录结构

Interactive Avatar/
├─ frontend/                  # React 前端
│  ├─ src/
│  └─ public/
├─ backend/                   # FastAPI 后端
│  ├─ app/
│  ├─ alembic/
│  └─ assets/
├─ README.md

快速开始

1) 启动后端

cd backend
python -m venv .venv
# Windows PowerShell: .venv\Scripts\Activate.ps1
# Windows CMD: .venv\Scripts\activate.bat
pip install -r requirements.txt
copy .env.example .env
python -m alembic upgrade head
uvicorn app.main:app --host 0.0.0.0 --port 8788 --reload

后端默认地址：http://localhost:8788

2) 启动前端

cd frontend
npm install
npm run dev

前端默认地址：http://localhost:5178

3) 打开应用

• 访问 http://localhost:5178
• 注册/登录后进入主流程

环境变量

后端从 backend/.env 读取配置；可先由 .env.example 复制。

核心变量

• DATABASE_URL：数据库连接（默认 SQLite）
• JWT_SECRET / JWT_ALGORITHM / JWT_EXPIRE_HOURS：鉴权配置
• MESHY_API_KEY：Meshy 密钥（文本/图片建模）
• DASHSCOPE_API_KEY：DashScope 密钥（语音、润色、文生图）

Qwen 相关

• QWEN_RT_URL：实时语音 WS 地址
• QWEN_MODEL：实时语音模型
• QWEN_VOICE：语音音色
• QWEN_TEXT_MODEL：文本润色模型
• QWEN_IMAGE_MODEL：文生图模型
• QWEN_ASR_MODEL：语音转文字模型
• QWEN_DEBUG：调试开关（1 开启）
• SYSTEM_PROMPT：会话系统提示词

可选能力

• UNSPLASH_ACCESS_KEY：配置后 GET /scenes/library 优先走 Unsplash 搜图

预设资源规范

预设目录：backend/assets/presets/<name>/

<name>/
├─ avatar.fbx
├─ background.png
├─ view.png                # 可选
├─ animations/*.fbx
└─ meta.json               # 可选

meta.json 可选字段：

• display_name: 预设展示名
• description: 预设描述
• hidden: 是否在预设列表中隐藏（true 表示隐藏）

主要接口概览

• Auth: POST /auth/register, POST /auth/login, GET /auth/me
• Presets: GET /presets, GET /presets/{name}, GET /presets/{name}/animations
• Pipeline:
  • GET/POST /pipeline/text
  • POST /pipeline/image
  • POST /pipeline/preset
  • POST /pipeline/retry
  • POST /pipeline/rig, GET /pipeline/rig/{task_id}
  • POST /pipeline/polish-text
• Scene:
  • GET /scenes/library
  • POST /scenes/generate
  • POST /scenes/polish-text
  • GET /scenes/proxy-image
• Speech: POST /speech/transcribe, WS /ws/audio
• Records:
  • GET /models/my, POST /models/save
  • GET /history/my, GET /history/{session_id}
  • POST /recordings/upload, GET /recordings/my

常见问题

• 语音输入不可用：确认浏览器允许麦克风权限，且页面运行在 https 或 localhost。
• 语音转写失败：检查 DASHSCOPE_API_KEY 和 QWEN_ASR_MODEL。
• 图库未返回在线图片：配置 UNSPLASH_ACCESS_KEY，否则会回退到本地场景。
• 前后端跨域/地址错误：确认前端 VITE_API_BASE（默认 http://localhost:8788）。

开发说明

• 后端静态资源通过 /assets 挂载，模型/背景/录屏 URL 均为相对路径。
• 默认数据库文件：backend/interactive_avatar.db。
• 生产前请替换 JWT_SECRET，并收紧 CORS 策略。

Quick Start (English)

1. Start backend on :8788 (uvicorn app.main:app --reload).
2. Start frontend on :5178 (npm run dev).
3. Configure API keys in backend/.env for Meshy and DashScope features.
4. Open http://localhost:5178 and run the 4-step flow.