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)调用多种模型完成文本转语音、AI 音乐生成与音频合并。
主要能力
- 文本转语音:支持 Kokoro TTS、DIA TTS(对话式)、Chatterbox 三种模型。
- 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:将多段音频按顺序合并,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。
使用方式
需先安装 belt CLI 技能:npx skills add belt-sh/cli,并执行 belt login 登录。
基本调用格式为 belt app run <应用名> --input '<JSON>'。
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" }'
可用语音:
Kokoro TTS: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,适合休闲播客)、bf_emma(英式女声,精致,适合有声书)、bm_george(英式男声,经典,适合正式内容)。
DIA TTS:dia-conversational(自然对话,适合对话、访谈)。
Chatterbox:chatterbox-default(富有表现力,适合休闲、娱乐)。
适用场景
- 简单旁白:单语音播客片段。
- 多语音对话:分别生成主持人与嘉宾语音后合并。
- 完整单集流水线: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。
- NotebookLM 风格内容:从文档提取要点生成双人讨论播客。
- 有声书章节:长文本旁白,可设置 speed(如 0.9)。
- 音频增强:添加背景音乐(background_volume 如 0.15)或转场音效。
限制
资料未提供各模型的具体收费、价格、平台支持范围、生成时长上限或效果保证。使用前需安装并登录 belt CLI。