TingDong Skill

将任意文章/链接/文本转换为个性化播客音频。当用户需要将公众号文章、知乎回答、网页内容或纯文本转换为语音播客时使用。支持渐进式内容分析、多风格播客生成和音频输出。适用于通勤学习、碎片时间知识获取场景。

听懂了 (TingDong) - 文章转播客 Skill

核心工作流

text

用户输入内容（链接/文本）
    ↓
识别内容类型 → 选择抓取策略
    ↓
内容抓取/接收 → 清洗结构化
    ↓
AI 深度分析 → 生成播客脚本
    ↓
TTS 语音合成 → 输出音频

第一步：内容接收

询问或识别用户输入的内容类型：

类型	识别方式	处理方式
微信公众号文章	URL 含 mp.weixin.qq.com	Playwright 抓取（反爬）
知乎回答/文章	URL 含 zhihu.com	公开 API 或页面抓取
普通网页	以 http:///https:// 开头	通用抓取 + 正文提取
纯文本	无 URL，直接文本输入	直接接收，无需抓取

渐进式提问：

1. "请粘贴文章链接或输入文本内容"
2. 根据输入自动识别类型，无需用户手动选择

第二步：内容处理

抓取策略（由后端处理）

python

# 伪代码 — 实际由后端 API 执行
def fetch_content(url):
    if "mp.weixin.qq.com" in url:
        return playwright_fetch(url)  # 解决微信反爬
    elif "zhihu.com" in url:
        return zhihu_api_fetch(url)
    else:
        return generic_web_fetch(url)

内容清洗

• 去除广告、导航栏、评论区
• 提取正文核心内容
• 保留标题、作者、来源信息（用于归因）

第三步：播客生成

调用后端 API

python

# 使用 scripts/generate_podcast.py
from scripts.generate_podcast import generate_podcast

result = generate_podcast(
    content="文章正文或链接",
    content_type="url",  # 或 "text"
    style="conversational",  # conversational | summary | deep_dive
    duration="medium",  # short (~5min) | medium (~10min) | long (~20min)
    voice="zh-CN-XiaoxiaoNeural"  # Edge-TTS 语音
)
# 返回: {"audio_url": "...", "title": "...", "duration": 600}

播客风格选项

风格	适用场景	特点
conversational	通用	对话式讲解，像朋友聊天
summary	快速了解	要点提炼，3-5分钟精华版
deep_dive	深度学习	逐段分析，保留论证过程

第四步：结果交付

向用户返回：

• 音频文件或链接
• 播客标题和时长
• 原文来源标注（如果是 URL）

示例输出：

已为你生成播客《AI Agent 正在重构软件交互——深度解读》

🔊 点击收听 | ⏱️ 12分钟

📎 原文：公众号「机器之心」

资源引用

• API 文档: 见 references/api_docs.md
• 内容源处理策略: 见 references/content_sources.md
• 生成脚本: 见 scripts/generate_podcast.py

注意事项

1. 版权合规：用户主动提供链接 = 个人使用，平台主动抓取 = 风险
2. 微信反爬：公众号文章必须用 Playwright（curl 只能拿到"请用微信打开"）
3. 语音选择：默认中文女声，可通过 voice 参数切换
4. 错误处理：抓取失败时回退到"请手动粘贴正文"