用途:把任意文本内容(文章、报告、文档)转换为播客音频,形式为男女双主播的自然对话,支持英文与中文。
主要能力:生成结构化对话脚本 JSON;调用文本转语音合成语音;把音频片段混音为最终播客 MP3;可选同时输出 Markdown 文字转录稿。
使用方式:先在 /mnt/user-data/workspace/ 下创建脚本 JSON,字段包括 title(可选)、locale("en" 或 "zh")、lines 数组,每行含 speaker("male" 或 "female")与 paragraph。随后一次性完整调用生成脚本:
python /mnt/skills/public/podcast-generation/scripts/generate.py
--script-file /mnt/user-data/workspace/script-file.json
--output-file /mnt/user-data/outputs/generated-podcast.mp3
--transcript-file /mnt/user-data/outputs/generated-podcast-transcript.md
其中 --script-file 与 --output-file 必填,--transcript-file 可选但建议提供。不要拆分步骤,也不要读取 Python 文件,直接带参数调用。
脚本撰写要点:仅男女两位主播交替;目标时长约 10 分钟(约 40–60 行);男主播开场问候需包含 "Hello Deer";口语化、短句、纯文本,不含 Markdown、公式或代码;技术内容需转述为通俗表达;去掉日期、作者等元信息。
环境变量:Volcengine 需 VOLCENGINE_TTS_APPID 与 VOLCENGINE_TTS_ACCESS_TOKEN;MiniMax 需 MINIMAX_API_KEY。提供方由环境变量自动选择,也可用 PODCAST_GENERATION_PROVIDER=volcengine|minimax 强制指定;并发由提供方内部决定,调用方无并发参数,限流会自动重试。其余可选变量如音色、集群、MiniMax 主机与模型等均按资料中的默认值处理。
限制:生成结果保存于 /mnt/user-data/outputs/,需用 present_files 分享 MP3 与转录稿;长内容会产生更长的播客;未提供收费、价格与更多平台支持信息。