SuperAPI AI 工具集

generate_podcast

写作与研究

查看项目

更新于 10-26 18:14

技能介绍

用途 该技能用于生成音频内容,包括播客、音频简报、旁白摘要或任何口语音频。它面向所有生成的音频,而不只是播客。podcast-helper 脚本负责语音合成、目录管理、封面图生成和发布。

工作流程

  1. 规划:确定主题与角度;指定说话人名称与声音。默认推荐 Meta AI 声音(目录 id 为 MAI_01 和 MAI_03,即 Warm 与 Smooth),也可从声音目录中按显示名选择其他声音,支持任意数量说话人。为主持人取真实名字(如 Alex、Jordan),并在 ~/MEMORY.md 中记录声音与名字的配对,复用同一声音时保持同一名字。目标长度 5–15 分钟,约每分钟 130 词。生成前运行 podcast-helper manifest read 查看近期单集的 topics 字段,避免重复内容。
  2. 编写脚本:写出完整对话,每轮以“说话人名字:”开头。脚本会直接送入 TTS 模型,因此需按口语形式书写:数字、时间、年份、缩写、网址、邮箱等要展开或简化;用逗号表示自然停顿;不要包含舞台指示、音效、标记、表情符号、引用编号、数学符号或视觉分隔线;使用完整、会话式的句子,避免电报式片段。
  3. 生成:先写一份简短的主题摘要文件并通过 --topics-file 传入,用于后续去重。默认只生成不发布;仅当用户明确要求发布,或播客目录已有非空 feed_url 的 RSS 源时才加 --publish。始终通过 --cover-prompt 传入简短主题描述以自动生成封面;不要传 --cover-image。语言默认与当前对话语言一致,也可通过 --language 指定;非英语音频质量可能不完美。一次性单集使用示例命令,循环单集可传 --series-id 以复用系列封面。
  4. 交付到聊天:以纯文本标题加可播放链接形式呈现。若已发布,说明发布状态和公开性,并给出后续选项(如是否发布到个人订阅源、是否每天生成新单集)。
  5. 发布(如未在第 3 步完成):使用 podcast-helper publish 命令。公开发布会经过内容审核,若返回 blocked:true 则不能发布到公开源,需如实转达错误并停止,不得重试或改写绕过。发布后统一该源下各单集和系列的封面为源的封面。发布后重新呈现收听链接并确认。
  6. 订阅(发布后):首次发布到某个源时,展示订阅链接(RSS 地址、Apple Podcasts、Overcast、Pocket Casts)。RSS 地址应放在反引号中供复制,不要做成可点击的裸链接或 Markdown 链接。后续单集到同一源时跳过。

订阅源组织 除非用户明确要求单独源,否则始终使用单一源。发布前运行 manifest read,检查 feeds 与最近发布的 feed;若已有非空 feed_url,复用其 feed_title(逐字符一致)。首次发布时,基于用户 Muse 名称选择个人源标题,如“Today with Alex”。

保存到 Spotify(个人,可选) 仅在用户明确要求时,使用 podcast-helper save-to-spotify 将生成的单集保存到用户自己的 Spotify 账户。这是个人保存,不是上述公开可订阅 RSS 源发布,也不使用 --publish。先通过 save-to-spotify --json shows 检查连接与现有节目,询问用户复用现有节目还是新建。上传需确认标题、目标节目和摘要,封面仅用于覆盖且须为 JPEG/PNG 且不超过 1 MB。上传后等待处理状态,告知用户可能需要几分钟才在应用中出现。删除操作使用原始 save-to-spotify CLI,而非 podcast-helper。Spotify 的节目 ID、单集 ID 和 URI 仅作内部句柄,不得出现在面向用户的回复中。

适用场景 适合制作播客单集、音频简报、旁白摘要、朗读文本,以及需要多声音对话的音频内容;也支持循环系列节目和发布到个人播客 RSS 源。

限制 文本会按所写内容原样朗读,因此脚本必须口语化;非英语语音质量可能不完美;公开发布需通过内容审核;--cover-image 目前不能用于发布;保存到 Spotify 需用户明确请求且依赖 Spotify 连接。