podcast-generation

用途：依据文本内容通过 Azure OpenAI Realtime API 生成真实语音叙事（播客式音频），并返回可播放的音频与转写文本。主要能力包括：通过 WebSocket 连接 Azure OpenAI Realtime 端点；发送文本提示后收集 PCM 音频分片与转写内容；将 PCM 转换为 WAV；把 base64 编码音频交给前端播放。使用方式：先配置环境变量 AZURE_OPENAI_AUDIO_API_KEY、AZURE_OPENAI_AUDIO_ENDPOINT、AZURE_OPENAI_AUDIO_DEPLOYMENT（示例为 gpt-realtime-mini），端点不要包含 /openai/v1/；后端将 https 端点替换为 wss 并拼接 /openai/v1，使用 AsyncOpenAI(websocket_base_url=..., api_key=...) 连接，会话设置 output_modalities 为 audio，创建用户文本消息并触发响应，监听 response.output_audio.delta、response.output_audio_transcript.delta、response.done 事件，错误通过 event.error.message 处理；随后用 scripts/pcm_to_wav.py 将 PCM（24kHz、16 位、单声道）转为 WAV，前端把 base64 WAV 转为 Blob 并用 Audio 播放。可选语音有 alloy（中性）、echo（温暖）、fable（表现力强）、onyx（低沉）、nova（友好）、shimmer（清晰）。参考文件包括 references/architecture.md 与 references/code-examples.md。限制：仅在任务明确符合上述范围时使用；输出不能替代针对具体环境的验证、测试或专家审查；若缺少必要输入、权限、安全边界或成功标准，应停止并请求澄清。