用途:把网页文章(单个或多个 URL)转成播客风格的对话音频(MP3),由包装脚本调用开源项目 podcastfy。
主要能力:脚本会创建或复用本地虚拟环境({baseDir}/.venv)、安装或更新 podcastfy,并使用 Gemini 生成文稿、Edge 做 TTS。输出写入 {baseDir}/output/audio/(MP3)和 {baseDir}/output/transcripts/(文稿),成功时打印最终 MP3 路径。
一次性准备:主机需安装 ffmpeg,例如 Ubuntu/Debian 执行 sudo apt-get update && sudo apt-get install -y ffmpeg;需提供 Gemini API 密钥,推荐设置环境变量 GEMINI_API_KEY,或按 {baseDir}/references/env.example 创建项目 .env 并在运行前导出。
用法示例:单 URL 执行 cd {baseDir},export GEMINI_API_KEY="...",然后 ./scripts/podcastfy_generate.py --url "https://example.com/article";多 URL 可重复传 --url;长文加 --longform。
可选调节项:PODCASTFY_LLM_MODEL(默认 gemini-1.5-flash)、PODCASTFY_EDGE_VOICE_Q(默认 en-US-JennyNeural)、PODCASTFY_EDGE_VOICE_A(默认 en-US-EricNeural)。
自动化与可靠性:定时任务建议优先用 RSS 而非浏览器自动化;在隔离的 cron 环境中避免依赖系统浏览器(Chrome/Chromium)或额外 Python 依赖(如 bs4)。TechCrunch 类别可改用 RSS:https://techcrunch.com/category/artificial-intelligence/feed/,以减少“未找到受支持的浏览器”和缺少站点解析依赖导致的失败。脚本会校验 MP3,若发现无效(如约 261 字节、0 秒音频),会自动回退到用最新文稿通过 edge-tts 合成。
安全与流程:建议先“草稿优先”,运行前告知用户将生成的语言与长度;不要把 API 密钥粘贴到聊天记录中。缺失信息:具体收费、平台支持范围与更多限制暂未提供。