AI 双主持人播客生成器 v2.2
将任意 URL / PDF / 主题 转化为结构化双主持人对谈内容 + 双声道 TTS 音频。
核心特性
- 生成摘要展示：生成完成后自动展示内容亮点、段落结构和输出文件
- 流式脚本生成：解决长文本动态字数超时问题，成功率100%
- 可选外部研究引擎：支持由 OpenClaw / Claude Code 等主 Agent 调用 Sub-Agent 完成真实网络检索
- 统一研究引擎（本地Fallback）：单 Agent 完成从泛化检索到大纲构建的全流程
- 三层Persona配置：风格对标预设 / 一句话生成 / 文档提取，支持固定主持人+可变嘉宾模式
- TTS 2.0 优化：WebSocket连接复用、引用上文、智能重试、动态超时
- 多种输入源：主题、URL、PDF三种输入方式
- 5种风格模板：高效传达、发散漫谈、深度对谈、观点交锋、喜剧风格
- 双声道立体声：A左声道、B右声道，收听体验更佳
- 动态字数控制：默认约8-12分钟（2500字），支持由大纲或用户参数扩展
触发条件
当用户有以下需求时，使用此 skill：
| 场景 | 示例 |
|---|
| 生成播客 | "生成一期关于AI的播客" |
| 文章转对话 | "把这篇文章转成两人对话形式" |
| 音频内容 | "将这篇论文转为可听的音频" |
| 双人对话 | "做一个关于科技趋势的对谈节目" |
| TTS音频 | "生成带配音的播客脚本" |
| 带Persona的播客 | "用郭德纲风格讲量子力学" / "像我上次配的鲁豫风格那样讲这篇文章" |
不应使用此 skill 的场景：
- 简单文本摘要（不需要播客格式）
- 单人独白（非双人对话）
- 纯文本输出（不需要音频）
使用方法
命令行
# 从主题生成（默认）
python -m src.podcast_pipeline "人工智能的发展趋势" --style 深度对谈
# 从 URL 生成
python -m src.podcast_pipeline "https://example.com/article" --type url --style 观点交锋
# 从 PDF 生成
python -m src.podcast_pipeline "./paper.pdf" --type pdf --style 高效传达
# 跳过音频、指定目标字数
python -m src.podcast_pipeline "主题" --skip-audio --target-length 3000
Python API — 本地完整模式
from src.podcast_pipeline import PodcastPipeline
pipeline = PodcastPipeline()
result = pipeline.generate(
source="人工智能的发展趋势",
source_type="topic",
style="深度对谈",
output_dir="./my_podcasts",
verbose=True
)
print(f"Session ID: {result['session_id']}")
print(f"音频文件: {result['audio_path']}")
print(f"脚本行数: {sum(len(seg['lines']) for seg in result['script'])}")
Python API — Sub-Agent Research 注入模式
from src.podcast_pipeline import PodcastPipeline
# 外部 Sub-Agent 已完成真实网络检索
research_pkg = { ... } # 参见 examples/research_package_example.py
pipeline = PodcastPipeline(skip_client_init=True)
result = pipeline.generate(
source="人工智能的发展趋势",
source_type="topic",
research_package=research_pkg,
output_dir="./my_podcasts",
verbose=True
)
完整 Sub-Agent 注入示例见 examples/research_package_example.py。
自然语言 Persona 处理
当用户的输入涉及 Persona 需求时，由你（外层 Agent）直接调用底层工具函数，无需等待内部路由。核心工具是 PersonaResolver，它封装了匹配/创建/保存/更新的完整逻辑。
Persona 使用决策树
1. 首次使用检测
调用 PersonaResolver(user_id).resolve() 或 check_first_time(user_id)。若 is_first_time=True，必须先询问用户希望主持人是什么风格，不要默默使用默认。
建议话术："这是你第一次使用播客生成skill。你希望播客主持人是什么风格？例如：十三邀的风格、郭德纲与林志玲聊天的感觉、或者给我一篇文章，我来提取真实人物人格。"
2. 非首次使用
-
用户未提及 Persona（无描述、无文档、无 preset）
→ 直接使用上次保存的 default.json（无需额外参数）。
-
用户给出自然语言描述（如"用郭德纲风格"、"像鲁豫那样"）
→ 调用 PersonaResolver.find_matching_persona(description)。它会先精确匹配 preset / saved persona 名称，再使用轻量级 LLM 语义匹配。
- 若命中：直接使用该 persona，并同步为 default。
- 若未命中：自动生成新的双人 persona，保存为 default。
-
用户提供了文档/文本（如"用这篇访谈里的人物风格来讲"）
→ 将文档内容作为 document_text 参数传入 generate()。Pipeline 内部会自动完成：提取 persona → 匹配是否已有 → 更新或创建 → 保存为 default。
推荐调用方式
from src.podcast_pipeline import PodcastPipeline
from src.persona_resolver import PersonaResolver
# 场景 A：用户说"用郭德纲风格讲量子力学"
resolver = PersonaResolver()
result = resolver.resolve(explicit_description="郭德纲风格")
# result.source 可能为 "description_matched"（已有）或 "description_new"（新建）
pipeline = PodcastPipeline()
pipeline.generate(
source="量子力学",
source_type="topic",
persona_config=result.persona_config,
style="喜剧风格"
)
# 场景 B：用户上传了文档
pipeline = PodcastPipeline()
pipeline.generate(
source="科技趋势",
source_type="topic",
document_text=open("interview.txt", "r", encoding="utf-8").read(),
style="深度对谈"
)
# 场景 C：首次使用，必须主动确认
resolver = PersonaResolver()
first = resolver.resolve_first_time()
if first.is_first_time:
# 向用户提问，获取描述后再调用 resolver.resolve(explicit_description=...)
pass
输入参数
必需参数
| 参数 | 类型 | 说明 |
|---|
source | str | 输入内容：主题文本 / URL / PDF文件路径 |
source_type | str | 输入类型：topic / url / pdf |
可选参数
| 参数 | 类型 | 默认值 | 说明 |
|---|
style | str | auto | 对话风格：auto / 深度对谈 / 观点交锋 / 发散漫谈 / 高效传达 / 喜剧风格 |
persona_config | dict | None | 自定义主持人配置（覆盖默认） |
research_package | dict | None | 外部 Sub-Agent 提供的 Research Package（提供时跳过本地 Research） |
output_dir | str | ./output | 输出目录 |
verbose | bool | True | 是否打印详细日志 |
skip_audio | bool | False | 是否跳过音频生成 |
pause_before_audio | bool | False | 是否在音频生成前暂停，等待用户确认 |
target_length | int | None | 显式指定目标字数（优先级最高），默认由大纲动态计算 |
输出格式
返回数据
{
"session_id": str,
"source": str,
"source_type": str,
"style": str,
"research": dict,
"script": List[dict],
"audio_path": Optional[str],
"timestamp": str
}
生成文件
在 output_dir 目录下生成：
| 文件 | 格式 | 说明 |
|---|
podcast_{session_id}.json | JSON | 完整数据（research + script） |
podcast_{session_id}.md | Markdown | 可读对话格式 |
podcast_{session_id}.mp3 | MP3 | 双声道音频（TTS配置后） |
前置条件
- API Key：配置
DOUBAO_API_KEY（用于 Research 和 Script 生成）
- TTS（可选）：配置
VOLCANO_TTS_APP_ID 和 VOLCANO_TTS_ACCESS_TOKEN（不配置时只生成文本）
- 音色推荐：见
config/tts_voices.json 中的 _meta.notes
更多安装配置、Persona 管理、风格预设、文件结构详见 README.md。
Sub-Agent 模式
如果你使用 Claude Code、OpenClaw 等具备 WebSearch 能力的 Agent：
- 主 Agent 调用
agents/external-research-agent.md 定义的 Sub-Agent 完成真实检索
- 主 Agent 将返回的
ResearchPackage 直接注入 PodcastPipeline.generate(..., research_package=pkg)
- 本地 Pipeline 跳过 Research，直接执行 Script Generation + TTS
Sub-Agent 详情与数据结构说明见 DEVELOPMENT.md。
性能指标
| 阶段 | 时间 | 说明 |
|---|
| Research | ~10-15s | 单次API调用 |
| Script (流式) | ~60-300s | 2000-8000+字符（动态），无超时 |
| TTS (优化后) | ~60-300s | 40-200句，连接复用 |
| 总计 | ~4-10分钟 | 生成8-35分钟播客 |
测试
# 端到端测试
python tests/test_e2e_complete.py
# TTS 专项测试
python tests/test_tts_comprehensive.py
python tests/test_tts_connection_reuse.py
python tests/test_tts_context.py
python tests/test_tts_long_text.py
# 功能回归验证
python tests/test_fix_validation.py
相关文档
