SuperAPI AI 工具集

metadata-generation

写作与研究

查看项目

更新于 10-16 05:49

技能介绍

用途:为电台节目生成结构化元数据 JSON,通过把最终混音音频和原始文字稿发送回 Gemini 完成。

主要能力:读取文字稿与最终音频,上传音频到 Gemini Files API,调用 Gemini(如 gemini-3-flash-preview)的 Interactions API 生成元数据,并保存为 JSON。输出结构包含 show_title、show_duration、two_sentence_summary、date_of_generation 以及带 timecode、speaker、text 的 timecoded_transcript 数组。

使用方式:先安装依赖 pip install google-genai。工作流为:从 ./workspace/data/script.md 读取文字稿,从 ./workspace/audio/final/ai_radio.mp3 读取最终音频;上传音频到 Gemini Files API;调用 Gemini 生成元数据;将结果保存到 ./workspace/data/show_notes.json。技能实现在 scripts/generate_metadata.py,示例命令:python3 skills/metadata-generation/scripts/generate_metadata.py --workspace ./workspace。

限制:音频文件缺失时脚本会失败;文字稿缺失时也会失败;Gemini API 调用失败时会报告错误并退出。