ai-podcast-creation

用途

AI Podcast Creation 用于创建 AI 驱动的播客和音频内容，通过 inference.sh CLI（belt）调用多种文本转语音、AI 音乐生成和媒体合并工具，覆盖从脚本撰写到音频合成的完整流程。

主要能力

• 文本转语音（TTS）：提供 Kokoro TTS、DIA TTS（对话式）和 Chatterbox 三种模型。Kokoro TTS 包含多种音色，如 af_sarah（美式女声，温暖，适合主持/旁白）、af_nicole（美式女声，专业，适合新闻/商务）、am_michael（美式男声，权威，适合纪录片/科技）、am_adam（美式男声，口语化，适合休闲播客）、bf_emma（英式女声，优雅，适合有声书）、bm_george（英式男声，经典，适合正式内容）。DIA TTS 提供 dia-conversational 音色，适合对话和访谈。Chatterbox 提供 chatterbox-default 音色，表现力强，适合休闲娱乐。
• AI 音乐生成：可生成播客片头、片尾、背景氛围音乐和转场音效。
• 媒体合并：通过 infsh/media-merger 将多个音频文件合并，支持交叉淡入淡出（crossfade_ms）和背景音乐混音（background_audio、background_volume）。
• 脚本生成：可调用 openrouter/claude-sonnet-45 生成播客脚本，支持双人对话、访谈、新闻汇总等格式。

使用方式

需先安装 belt CLI 技能：npx skills add belt-sh/cli，然后执行 belt login 登录。

基本命令示例：

生成播客片段：

belt app run infsh/kokoro-tts --input '{
"prompt": "Welcome to the AI Frontiers podcast. Today we explore the latest developments in generative AI.",
"voice": "am_michael"
}'

多声道对话：分别生成主持人和嘉宾音频，再用 media-merger 合并：

belt app run infsh/media-merger --input '{
  "audio_files": ["<host-url>", "<guest-url>"],
  "crossfade_ms": 500
}'

完整播客流水线：依次生成脚本、片头音乐、主持人片段、嘉宾片段、片尾音乐，最后合并所有音频。

NotebookLM 风格内容：从文档提取要点生成双人讨论脚本，再分别生成两位主持人的语音并交错合并。

有声书章节：使用 bf_emma 音色并设置 speed 参数（如 0.9）进行长文本旁白。

音频增强：生成播客音频后，再生成背景氛围音乐，通过 media-merger 以较低背景音量（如 0.15）混音；也可生成转场音效。

适用场景

• 单人口播播客
• 双人对话/访谈节目
• 基于文档的讨论式播客（NotebookLM 风格）
• 有声书章节录制
• 新闻汇总节目
• 播客背景音乐与音效添加

限制

资料未提供各模型的具体收费、价格、平台限制或音频时长上限。部分命令中的 <host-url>、<guest-url> 等占位符需用户自行替换为实际生成的音频 URL。脚本生成依赖 openrouter/claude-sonnet-45，需相应访问权限。