ai-podcast-creation

用途

AI Podcast Creation 用于创建由 AI 驱动的播客与音频内容，包括文本转语音（TTS）、音乐生成和音频剪辑合并。它通过 inference.sh 的命令行工具 belt CLI 调用各类模型，将脚本、语音、音乐组装成完整的音频节目。

主要能力

文本转语音（TTS）

Kokoro TTS：提供多种语音，例如 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/商业）、am_michael（美式男声，权威，适合纪录片/科技）、am_adam（美式男声，口语化，适合轻松播客）、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 语音，适合对话、访谈。
Chatterbox：提供 chatterbox-default 语音，表现力强，适合轻松、娱乐内容。

AI 音乐生成：可生成片头音乐、片尾音乐、背景氛围音乐和转场音效。

音频合并与混音：media-merger 支持将多个音频文件按顺序合并，设置 crossfade_ms 做交叉淡化；可加入 background_audio 并设置 background_volume（示例中为 0.15）降低背景音乐音量。

脚本生成：可调用 openrouter/claude-sonnet-45 等大模型撰写播客脚本，支持双人对话格式、时长与结构要求，也可从给定文档提炼要点生成讨论式脚本。

使用方式

需先安装 belt CLI 技能：

npx skills add belt-sh/cli

并登录：

belt login

然后通过 belt app run 运行各应用，参数以 JSON 传入。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"
}'

典型工作流包括：

单人旁白：单次调用 kokoro-tts，选择一个语音生成片段。

多角色对话：分别用不同语音生成主持人与嘉宾片段，再用 media-merger 合并，示例设置 crossfade_ms 为 500。

完整节目流水线：先用 Claude 生成脚本，再用 ai-music 生成片头音乐，分别生成主持人片段与嘉宾片段，生成片尾音乐，最后用 media-merger 按片头 → 主持 → 嘉宾 → 片尾的顺序合并，crossfade_ms 为 1000。

文档生成讨论式播客：先用 Claude 读取文档并生成两位主持人讨论要点的脚本，再分别生成 Host A、Host B 音频，交错合并（crossfade_ms 300）。

有声书章节：使用 kokoro-tts 长文本朗读，示例可设置 speed 为 0.9。

音频增强：可加入背景音乐并降低音量（background_volume 0.15），或用 ai-music 生成转场音效。

适用场景

单人旁白播客
双人/多角色对话播客
访谈节目
新闻汇总
有声书章节朗读
由文档生成讨论式音频内容（NotebookLM 风格）
为音频添加片头、片尾、背景音乐与转场音效

脚本模板

访谈格式：HOST 介绍欢迎 → GUEST 致谢 → HOST 背景提问 → GUEST 讲述 → HOST 追问 → GUEST 深入 → …… → HOST 收尾提问 → GUEST 总结 → HOST 致谢结尾。

单人节目：带钩子的开头 → 主题概述 → 要点 1（配例子）→ 要点 2 → 要点 3 → 总结要点 → 行动号召 → 结尾。

新闻汇总：片头音乐 → 欢迎与日期 → 新闻 1 → 新闻 2 → 新闻 3 → 分析/观点 → 结尾。

最佳实践

使用自然标点，用逗号和句号控制节奏。
使用短句，便于朗读和收听。
变换语音，不同说话人避免单调。
背景音乐要轻微，音量约 10-15%。
使用交叉淡化实现片段间平滑过渡。
生成前编辑脚本，去除冗余内容。

限制

资料未提供收费、价格、音频时长上限、并发限制或各模型输出格式等细节，暂未提供。使用前需自行确认 inference.sh 平台与各应用的实际可用性。

技能介绍

用途