Agent Skills › staruhub/ClaudeSkills › podcast-generator

podcast-generator

GitHub

将中文文本转换为双人对话播客音频，支持多格式、语速调节及断点续传。需配置火山引擎凭证，适用于内容转音频场景，不处理文稿创作或单人朗读。

lab/Geek-skills-podcast-generator/SKILL.md staruhub/ClaudeSkills

Trigger Scenarios

用户需要将文章或报告转为播客音频用户要求生成中文双人对话式语音内容

Install

npx skills add staruhub/ClaudeSkills --skill podcast-generator -g -y

More Options

Non-standard path

npx skills add https://github.com/staruhub/ClaudeSkills/tree/main/lab/Geek-skills-podcast-generator -g -y

Use without installing

npx skills use staruhub/ClaudeSkills@podcast-generator

指定 Agent (Claude Code)

npx skills add staruhub/ClaudeSkills --skill podcast-generator -a claude-code -g -y

安装 repo 全部 skill

npx skills add staruhub/ClaudeSkills --all -g -y

预览 repo 内 skill

npx skills add staruhub/ClaudeSkills --list

SKILL.md

Frontmatter

{
    "name": "podcast-generator",
    "version": "1.1.0",
    "description": "用火山引擎 Podcast AI 模型生成中文双人对话播客。当用户要把文章、报告、话题文本转成播客音频、生成对话式音频内容时使用，需要环境具备火山引擎 APP_ID 和 ACCESS_KEY。支持 mp3\/ogg_opus\/pcm\/aac、语速调节、自定义音色、断点续传。不用于：单人朗读式 TTS（用普通语音合成）、英文播客（模型主要优化中文）、播客文稿本身的撰写（先用写作类 skill 产出文本再来）。"
}

播客生成器（火山引擎双人对话）

把中文文本变成双人对话播客音频，接口封装在 scripts/generate_podcast.py。

验收标准（每次生成完成前自查）

音频文件已落盘，把实际路径与文件大小回报用户
输入文本 ≤25,000 字符（超长必须先与用户确认拆分方案，不能让模型静默截断）
生成中断时使用了 retry_info 续传而不是从头重来
参数选择有依据：分发用 mp3，后期加工用 pcm；教学内容语速 -20 左右
凭证缺失时未硬试：告知用户去火山引擎控制台（speech/service/10028）获取

不做什么

不写播客文稿——输入文本的质量是上游任务（文稿创作找写作类 skill）
不做单人朗读、配音、音效制作
不在输出里回显用户的 ACCESS_KEY

工作流程

1. 准备输入

必需：中文文本（≤25k 字符）+ APP_ID + ACCESS_KEY（无则告知获取方式后停止）。可选：格式（默认 mp3）/ 采样率（默认 24000）/ 语速（-50~100，0=正常，100=2 倍速）/ 音色 / 开场音乐（默认关）。

最佳文本长度 500-3000 字——播客时长与听感的最优区间；一篇长文建议先摘要再生成。

2. 生成

python scripts/generate_podcast.py \
  --text "播客话题或内容文本" \
  --output "/path/to/output.mp3" \
  --app-id "$VOLC_APP_ID" --access-key "$VOLC_ACCESS_KEY" \
  --format mp3 --sample-rate 24000 --speech-rate 0

脚本会流式接收音频、按轮次显示进度、落盘后返回统计（大小/轮次数）。 Python 模块调用、自定义音色 ID、断点续传 retry_info 的写法见脚本内 docstring 与 references/api_reference.md。

3. 交付

回报文件路径、大小、时长预估;失败时给出具体错误与下一步(见陷阱表)。

已知陷阱

陷阱	具体表现	应对
超长静默截断	>25k 字符时模型直接截断，播客缺尾	生成前校验长度，超长先与用户确认拆分或摘要
WebSocket 连不上	连接错误/超时	依次排查：凭证是否正确 → 网络 → 防火墙是否放行 WebSocket
中断后从头重试	长文本生成到一半断了，重跑烧双倍额度	从日志取 task_id 和 last_finished_round_id，用 retry_info 续传
输出路径不可写	生成完成但保存失败	生成前检查目录存在且可写、磁盘空间充足
文本结构差出烂稿	口水文本生成的对话生硬	输入用结构清晰的中文文本；效果差时先改文本再调参数