🎙️ 播客生成器 (Podcast Generator)May 9, 2026 · View on GitHub 轻松将您的想法，一键生成为生动有趣的多人对话播客！ English Version 语音介绍 视频介绍 这是一个强大的脚本工具，它利用 OpenAI API 的智慧生成富有洞察力的播客脚本，并通过 TTS (Text-to-Speech) API服务，将冰冷的文字转化为有温度的音频。您只需提供一个主题，剩下的交给它！ ✨ 本项目的播客脚本生成逻辑深受 SurfSense 项目的启发，在此向其开源贡献表示衷心感谢！ ✨ 核心亮点 AI驱动脚本：AI为你创作有深度、高质量的播客对话。 多角色配音：自由设定多个角色，并为每个角色匹配专属声音。 开放语音接口：轻松接入你自建或第三方的语音服务。 智能音频合成：自动拼接对话，调整音量语速，一键生成完整播客。 命令行控制：为开发者提供命令行工具，精准控制生成过程。 商业化就绪：提供简洁美观的Web界面，内置用户积分，接上支付即可运营。 🚀 开发计划 我们一直在积极地规划和开发新功能，以使播客生成器更加强大和易用。以下是我们正在酝酿的一些激动人心的更新： 📖 全新故事模式: 引入创新的故事模式，让您不仅能生成对话式播客，更能一键创作引人入胜的单人或多人叙事音频故事。 🎨 沉浸式黑暗主题: 为 Web 应用提供优雅的黑暗主题选项，优化夜间使用体验，减轻眼部疲劳。 ☁️ 云端数据同步: 集成云数据库，实现用户数据和播客历史的云端存储与多设备同步，确保您的创作永不丢失。 🗄️ 音频云存储 (OSS): 对接主流对象存储服务（OSS），为生成的音频文件提供更稳定、高效的存储与分发，方便随时随地访问和分享。 💳 支付系统集成: 无缝接入主流支付网关，完善用户体系的计费与订阅功能，为项目的商业化运营提供支持。 🐳 Docker 部署 本项目支持通过 Docker 进行部署，详细信息请参考 Docker 使用指南。 🛠️ 安装指南 📝 前提条件 Python 3.x 请确保您的系统中已安装 Python 3。 FFmpeg 本项目依赖 FFmpeg 进行音频合并。请访问 FFmpeg 官网 下载并安装。 重要提示: 安装完成后，请确保 ffmpeg 命令已添加到您系统的环境变量 (PATH) 中，以便脚本可以正常调用。 🐍 Python 依赖 打开您的终端或命令提示符，使用 pip 安装所需的 Python 库： pip install requests openai pydub msgpack 依赖说明: requests: 用于向TTS服务API发送HTTP请求 openai: 用于与OpenAI API交互，生成播客脚本 pydub: 用于音频处理，如调整音量和语速 msgpack: 用于与某些TTS服务（如Fish Audio）进行高效的数据序列化 🚀 快速开始 1. 准备输入文件 在运行前，请确保以下文件已准备就绪： input.txt: 在此文件中输入您想讨论的播客主题或核心观点。 prompt/prompt-overview.txt: 用于指导 AI 生成播客整体大纲的系统提示。 prompt/prompt-podscript.txt: 用于指导 AI 生成详细对话脚本的系统提示。它包含动态占位符（如 {{numSpeakers}}, {{turnPattern}}），脚本会自动替换。 2. 配置 TTS 服务与角色 config/ 目录下存放您的 TTS 配置文件（例如 edge-tts.json）。该文件定义了 TTS 服务的 API 接口、播客角色 (podUsers) 及其对应的语音 (voices)。 3. 运行脚本 在项目根目录下执行以下命令： python podcast_generator.py [可选参数] 可选参数 --api-key <YOUR_OPENAI_API_KEY>: 您的 OpenAI API 密钥。若不提供，将从配置文件或 OPENAI_API_KEY 环境变量中读取。 --base-url <YOUR_OPENAI_BASE_URL>: OpenAI API 的代理地址。若不提供，将从配置文件或 OPENAI_BASE_URL 环境变量中读取。 --model <OPENAI_MODEL_NAME>: 指定使用的 OpenAI 模型（如 gpt-4o, gpt-4-turbo）。默认值为 gpt-3.5-turbo。 --threads <NUMBER_OF_THREADS>: 指定生成音频的并行线程数（默认为 1），提高处理速度。 --output-language <LANGUAGE_CODE>: 指定播客脚本的输出语言（默认为 Chinese）。 --usetime <TIME_DURATION>: 指定播客脚本的时间长度（默认为 10 minutes）。 运行示例 # 使用 gpt-4o 模型、edge-tts 服务和 4 个线程来生成播客 python podcast_generator.py --api-key sk-xxxxxx --model gpt-4o --tts-provider edge --threads 4 5. 使用 Web API (main.py) 本项目还提供了一个基于 FastAPI 的 Web 服务，允许您通过 HTTP 请求生成播客。 启动 Web 服务 python main.py 默认情况下，服务将在 http://localhost:8000 上运行。 API 端点 生成播客 - POST /generate-podcast 参数: api_key: OpenAI API 密钥 base_url: OpenAI API 基础 URL (可选) model: OpenAI 模型名称 (可选) input_txt_content: 输入文本内容 tts_providers_config_content: TTS 提供商配置内容 podUsers_json_content: 播客用户 JSON 配置 threads: 线程数 (可选，默认为 1) tts_provider: TTS 提供商名称 (可选，默认为 "index-tts") 获取播客生成状态 - GET /podcast-status 需要提供 X-Auth-Id 头部 下载播客 - GET /download-podcast/ 参数: file_name: 要下载的文件名 获取语音列表 - GET /get-voices 参数: tts_provider: TTS 提供商名称 (可选，默认为 "tts") API 使用示例 # 启动服务后，使用 curl 发送请求生成播客 curl -X POST "http://localhost:8000/generate-podcast" \ -H "X-Auth-Id: your-auth-id" \ -F "api_key=sk-xxxxxx" \ -F "model=gpt-4o" \ -F "input_txt_content=人工智能的未来发展" \ -F "tts_providers_config_content={\"index\": {\"api_key\": \"your-api-key\"}}" \ -F "podUsers_json_content=[{\"code\":\"zh-CN-XiaoxiaoNeural\",\"role\":\"主持人\"}],\"voices\":[{\"name\":\"Xiaoxiao\",\"code\":\"zh-CN-XiaoxiaoNeural\"}]" \ -F "threads=4" \ -F "tts_provider=index-tts" 4. 自定义 AI 提示词 (custom 代码块) 为了提供更细致的 AI 指令或添加特定上下文，您可以在 input.txt 文件中嵌入 custom 代码块。此代码块中的内容将作为额外指示，被内置到播客脚本生成的核心提示词（prompt-podscript.txt）之中，从而影响 AI 的生成行为。 使用方法： 在 input.txt 文件的任意位置，使用以下格式定义您的自定义内容： ```custom-begin 您希望提供给 AI 的额外指令或上下文，例如： - "请确保讨论中包含对 [特定概念] 的深入分析。" - "请在对话中加入一些幽默元素，特别是关于 [某个主题] 的笑话。" - "所有角色的发言都必须是简短的，并且每句话不超过两行。" ```custom-end 🌐 Web 应用 (Next.js) 除了命令行脚本和 FastAPI 服务，本项目还提供了一个功能完善的 Web 用户界面。这个界面旨在提供更直观、便捷的播客生成与管理体验，将后端复杂的功能通过友好的前端操作暴露给用户。 ✨ 核心功能亮点 web操作界面: 直观友好的web界面，让播客生成过程一目了然。 微用户体系集成: 支持用户登录、注册、积分与计费功能，构建完善的用户生态。 播客创建与配置: 允许用户通过表单输入主题，配置 TTS 角色、音量和语速等参数。 实时进度跟踪: 显示播客生成的状态和进度。 播客播放与管理: 集成音频播放器，方便用户收听已生成的播客，并可能提供管理历史播客的功能。 API 交互: 通过 API 与后端 Python 服务无缝通信，包括播客生成、状态查询和音频流。 🚀 快速开始 (Web) 安装 Node.js: 请确保您的系统中已安装 Node.js (推荐 LTS 版本)。 安装依赖: 进入 web/ 目录，安装所有前端依赖。 cd web/ npm install # 或者 yarn install 启动开发服务器: npm run dev # 或者 yarn dev Web 应用将在 http://localhost:3000 (默认) 启动。 构建生产环境: npm run build # 或者 yarn build npm run start # 或者 yarn start 🌍 国际化 (i18n) 支持 本项目支持多语言界面，目前支持英文 (en)、中文 (zh-CN) 和日文 (ja)。 📁 语言文件结构 语言文件位于 web/public/locales/ 目录下，按照语言代码分组： web/public/locales/en/common.json - 英文翻译 web/public/locales/zh-CN/common.json - 中文翻译 web/public/locales/ja/common.json - 日文翻译 🛠️ 添加新语言 在 web/public/locales/ 目录下创建新的语言文件夹，例如 fr/ 复制 common.json 文件到新文件夹中 翻译文件中的所有键值对 在 web/src/i18n/settings.ts 文件中更新 languages 变量 🌐 语言切换 用户可以通过 URL 路径或浏览器语言设置自动切换语言： http://localhost:3000/en/ - 英文界面 http://localhost:3000/zh-CN/ - 中文界面 http://localhost:3000/ja/ - 日文界面 ⚙️ 配置文件详解 config/[tts-provider].json (TTS 角色与语音配置) 这是您的 TTS 核心配置文件，文件名与您通过 --tts-provider 参数指定的提供商对应。它告诉脚本如何与 TTS 服务协同工作。 { "podUsers": [ { "code": "zh-CN-XiaoxiaoNeural", "role": "主持人" }, { "code": "zh-CN-YunxiNeural", "role": "技术专家" } ], "voices": [ { "name": "XiaoMin", "code": "yue-CN-XiaoMinNeural", "volume_adjustment": 1.0, "speed_adjustment": 5.0 } ], "apiUrl": "http://localhost:5000/api/tts?text={{text}}&voiceCode={{voiceCode}}", "turnPattern": "random", "tts_max_retries": 3 } podUsers: 定义播客中的角色。每个角色的 code 必须对应 voices 列表中的一个有效语音。 voices: 定义所有可用的 TTS 语音。 volume_adjustment (可选): 音量调整 (dB)。例如 6.0 增加 6dB。 speed_adjustment (可选): 语速调整 (%)。例如 10.0 增加 10% 语速。 apiUrl: 您的 TTS 服务 API 端点。{{text}} 和 {{voiceCode}} 是占位符。 turnPattern: 定义角色对话的轮流模式，例如 random (随机) 或 sequential (顺序)。 tts_max_retries (可选): TTS API 调用失败时的最大重试次数（默认为 3）。 config/tts_providers.json (TTS 服务商认证) 此文件用于统一管理所有 TTS 服务提供商的认证信息（如 API 密钥）。 { "index": { "api_key": null }, "edge": { "api_key": null }, "doubao": { "X-Api-App-Id": "null", "X-Api-Access-Key": "null" }, "fish": { "api_key": "null" }, "minimax": { "group_id": "null", "api_key": "null" }, "gemini": { "api_key": "null" } } 注意: 实际使用时，请将 "null" 替换为有效的认证信息。可以创建一个 tts_providers-local.json 来存放真实密钥，此文件已被 .gitignore 忽略。 🔌 支持的 TTS 服务 本项目设计为高度灵活，支持多种 TTS 服务。 服务商类型支持状态Index-TTS本地✅ 已支持Edge-TTS本地✅ 已支持豆包 (Doubao)网络✅ 已支持Minimax网络✅ 已支持Fish Audio网络✅ 已支持Gemini网络✅ 已支持OpenAI TTS网络计划中Azure TTS网络计划中 🎉 输出成果 所有成功生成的播客音频文件将自动保存在 output/ 目录下。文件名格式为 podcast_ 加上生成时的时间戳，例如 podcast_1678886400.wav。 🎧 示例音频 您可以在 example/ 文件夹中找到使用不同 TTS 服务生成的播客示例音频。 TTS 服务试听链接Edge TTS▶️ edgeTTS.wavIndex TTS▶️ indexTTS.wav豆包 TTS▶️ doubaoTTS.wavMinimax▶️ minimax.wavFish Audio▶️ fish.wavGemini TTS▶️ geminiTTS.wav 📂 文件结构 . ├── config/ # ⚙️ 配置文件目录 │ ├── doubao-tts.json # ... (各 TTS 服务商的配置) │ └── tts_providers.json # 统一的 TTS 认证文件 ├── server/ # 🐍 后端服务目录 │ ├── main.py # FastAPI Web API 入口：提供播客生成、状态查询、音频下载等 RESTful API，管理任务生命周期，并进行数据清理。 │ ├── podcast_generator.py # 核心播客生成逻辑：负责与 OpenAI API 交互生成播客脚本，调用 TTS 适配器将文本转语音，并使用 FFmpeg 合并音频文件。 │ ├── tts_adapters.py # TTS 适配器：封装了与不同 TTS 服务（如 Index-TTS, Edge-TTS, Doubao, Minimax, Fish Audio, Gemini）的交互逻辑。 │ ├── openai_cli.py # OpenAI 命令行工具 │ └── ... # 其他后端文件 ├── web/ # 🌐 前端 Web 应用目录 (Next.js) │ ├── public/ # 静态资源 │ ├── src/ # 源码 │ │ ├── app/ # Next.js 路由页面 │ │ ├── components/ # React 组件 │ │ ├── hooks/ # React Hooks │ │ ├── lib/ # 库文件 (认证、数据库、API等) │ │ └── types/ # TypeScript 类型定义 │ ├── package.json # 前端依赖 │ ├── next.config.js # Next.js 配置 │ └── ... # 其他前端文件 ├── prompt/ # 🧠 AI 提示词目录 │ ├── prompt-overview.txt │ └── prompt-podscript.txt ├── example/ # 🎧 示例音频目录 ├── output/ # 🎉 输出音频目录 ├── input.txt # 🎙️ 播客主题输入文件 ├── README.md # 📄 项目说明文档 (中文) └── README_EN.md # 📄 项目说明文档 (英文) 📝 免责声明 许可证: 本项目采用 GPL-3.0 授权。 无担保: 本软件按"现状"提供，不附带任何明示或暗示的担保。 责任限制: 在任何情况下，作者或版权持有者均不对因使用本软件而产生的任何损害承担责任。 第三方服务: 用户需自行承担使用第三方服务（如 OpenAI API、TTS 服务）的风险和责任。 使用目的: 本项目仅供学习和研究目的使用，请遵守所有适用的法律法规。 最终解释权: 我们保留随时修改本免责声明的权利。