直播间话术巡检 Windows

要解决什么问题

直播带货或讲解类场次里，话术是否按脚本走、关键承诺有没有漏说、违规词有没有冒出来，往往只能靠人盯屏或事后回放。这套 Windows 版直播话术巡检 把「正在播什么」变成可检索的文本流，并在本地用规则做场景切换和缺失/频次告警，方便值班同学在大屏上盯实时转写与告警，而不是事后翻录像。

它怎么工作

整体链路是：实时采集音频 → ASR 语音转写 → 关键词检测 → 场景自动切换 → 告警推送 → 大屏可视化。

• 一键启动：双击 start_windows.bat 会检查 Python 3.10+、创建虚拟环境并装依赖、尝试安装 FFmpeg，然后拉起服务；浏览器访问 http://localhost:9999 看大屏，右上角齿轮可改配置并热重启。
• 音频来源：推荐 system_audio，通过 VB-Cable 把系统输出路由到虚拟声卡，FFmpeg 用 DirectShow（dshow）按 16kHz 单声道 PCM 送给识别；也支持 RTMP/FLV 拉流、hybrid 降级、或监听录制目录（如配合 DouyinLiveRecorder）。
• 识别与规则：阿里云「智能语音交互」实时 ASR（config.yaml 或后台填 AppKey / AccessKey）；app.scene_mode: auto_keyword 时按 switch_keywords 做子串匹配切换场景；absence_alert / frequency_alert 在时间窗口内统计命中，同一 scene_id + rule_type + window 5 分钟内去重。
• 前端：Vue 3 本地静态资源 + WebSocket 推送；另有本地测试模式可模拟话术，不依赖 ASR/音频验证大屏与规则。

适用边界与注意点

• Skill 包不含 FFmpeg、VB-Cable 等大型二进制；VB-Cable 需管理员安装并重启，且要把系统输出设为「CABLE Input」，否则无法采系统声（没播放时抓到全零是正常现象）。
• ASR 必须配置有效阿里云密钥；常见故障包括 dshow 设备名不完整、FFmpeg 无音频导致 ASR 空闲超时、以及 capture_mode=hybrid 先等拉流失败才降级——不确定推流时可直接用 system_audio。
• 场景与告警准确度取决于 config.yaml 里关键词是否贴合真实话术；规则主要在 final 转写结果上驱动，部署时可对照日志里的「ASR 识别已开始」「已发送 N 个音频块」等项排查。