Skill: 链接转播客制作器
输入一个链接，输出一个可播放的双人播客音频文件。
固定约束
- TTS 服务：火山引擎 HTTP 接口（
https://openspeech.bytedance.com/api/v1/tts）
- 集群固定：
volcano_tts
- 主持人音色固定：
zh_female_qingxinnvsheng_uranus_bigtts（小何）
- 嘉宾音色固定：
zh_male_taocheng_uranus_bigtts（小天）
- 必须先生成完整对话内容，再生成json脚本文件
- 所有文件都必须生成在skills/podcast-maker/workspace目录下
- 每次执行之前必须清空skills/podcast-maker/workspace目录
- 只能生成skill内规定的文件，不要生成其它不相关的文件，你的文件工作区仅限于skills/podcast-maker/workspace
标准流程
- 读取链接正文
- 先生成素材摘要文件
source_brief.json
- 生成完整对话内容文件
podcast_content.md
- 对内容做质量评分，不达标则重写（最多2轮）
- 基于内容生成结构化脚本
podcast_script.json（按上下文补情感）
- 读取脚本
lines[] 逐句调用 TTS，生成 chunks/*.wav
- 生成
chunks/list.txt 并顺序合并
- 导出
podcast_final.mp3 并发送
素材摘要契约（新增）
先生成 source_brief.json，避免直接写空泛文案：
{
"topic": "主题",
"core_claims": ["3-5条核心观点"],
"key_facts": ["3-8条可复述事实"],
"debate_points": ["1-3个可讨论分歧点"],
"actions": ["2-4条可执行建议"]
}
要求：
core_claims 必须和原文一致，不可臆造key_facts 尽量具体，少用空泛词- 后续
podcast_content.md 必须覆盖大部分 core_claims
内容稿契约（先于脚本）
先生成 podcast_content.md，结构最少包含：
- 开场（主持人）
- 主题展开（主持人与嘉宾轮流）
- 结尾总结（主持人）
要求：
- 内容自然口语化，不要照读原文
- 保留对话上下文，后句能承接前句
- 每句尽量 10-30 字，便于 TTS 自然停顿
- 角色前缀只保留在内容稿中；生成脚本时要去掉前缀
- 每个角色至少 2 次追问/反问，避免“轮流念稿”
- 结尾必须有 2-3 条行动建议
内容质量评分（不达标重写）
对 podcast_content.md 做 1-10 分评分：
- 信息密度（是否具体，不空泛）
- 逻辑连贯（是否有承接）
- 对话感（是否有互动追问）
- 可听性（句长、停顿是否自然）
- 可执行性（结尾建议是否可落地）
规则：
- 任一项
<8：必须重写
- 最多重写 2 轮，仍不达标则返回问题点
脚本文件契约（强制）
脚本阶段必须输出 JSON 文件 podcast_script.json：
{
"title": "播客标题",
"summary": "一句话摘要",
"lines": [
{
"idx": 1,
"speaker": "host",
"text": "欢迎收听，今天我们先说核心结论。",
"voice_type": "zh_female_qingxinnvsheng_uranus_bigtts",
"emotion": "neutral",
"speed_ratio": 0.95
},
{
"idx": 2,
"speaker": "guest",
"text": "好的，我补充两个关键原因。",
"voice_type": "zh_male_taocheng_uranus_bigtts",
"emotion": "neutral",
"speed_ratio": 0.95
}
]
}
脚本校验规则
idx 必须递增、连续speaker 仅允许 host 或 guestspeaker=host 必须映射 zh_female_qingxinnvsheng_uranus_bigttsspeaker=guest 必须映射 zh_male_taocheng_uranus_bigttstext 不允许带“主持人：/嘉宾：”前缀emotion 推荐值：neutral / happy / sad / serious / excited- 若使用了接口不支持的
emotion，自动回退为 neutral
speed_ratio 建议范围 0.90-1.05
Emotion 建议映射
- 开场欢迎、轻松过渡：
happy
- 客观陈述、数据说明：
neutral
- 风险提醒、负面新闻：
serious 或 sad
- 观点碰撞、结论强调：
excited
- 不确定时：
neutral（默认）
生成脚本 Prompt（建议）
你是播客脚本生成器。请基于 podcast_content.md 生成 JSON，不要输出其他文本。
要求：
1) 输出结构必须符合 podcast_script.json 契约（title/summary/lines）
2) lines 每句都要有 idx/speaker/text/voice_type/emotion/speed_ratio
3) 主持人固定音色：zh_female_qingxinnvsheng_uranus_bigtts
4) 嘉宾固定音色：zh_male_taocheng_uranus_bigtts
5) text 中不要出现角色前缀（例如“主持人：”）
6) emotion 必须结合上下文：承接、转折、强调、风险提示分别给出不同情感
7) emotion 优先从 `neutral/happy/sad/serious/excited` 选择；不确定用 `neutral`
8) 默认 speed_ratio=0.95
9) 严禁输出脚本以外的解释文本
最小播客模板
模板1：快讯简报（2-3分钟）
- 开场：一句话讲发生了什么
- 中段：3个关键信息点
- 结尾：一个建议 + 下一步观察点
模板2：深度拆解（4-6分钟）
- 开场：背景与核心问题
- 中段：原因 -> 影响 -> 应对
- 结尾：3条可执行结论
模板3：观点辩论（3-5分钟）
- 开场：抛出争议问题
- 中段：正反观点各2点并交叉追问
- 结尾：边界条件下的平衡结论
TTS 执行（按脚本逐句）
环境变量（必填）：
export VOLC_APPID="你的AppID"
export VOLC_TOKEN="你的AccessToken"
单句请求模板（从 lines[i] 取值）：
curl -sS "https://openspeech.bytedance.com/api/v1/tts" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer;${VOLC_TOKEN}" \
-d "{
\"app\": {\"appid\": \"${VOLC_APPID}\", \"token\": \"${VOLC_TOKEN}\", \"cluster\": \"volcano_tts\"},
\"user\": {\"uid\": \"podcast-maker\"},
\"audio\": {\"voice_type\": \"${VOICE_TYPE}\", \"encoding\": \"wav\", \"speed_ratio\": ${SPEED_RATIO}, \"emotion\": \"${EMOTION}\"},
\"request\": {\"reqid\": \"${REQID}\", \"text\": \"${TEXT}\", \"text_type\": \"plain\", \"operation\": \"query\"}
}" > "${OUT_JSON}"
解码 data(base64) 到 wav：
python3 - <<'PY'
import base64, json, sys
p = sys.argv[1]
o = sys.argv[2]
data = json.load(open(p, "r", encoding="utf-8"))
b64 = data.get("data")
if not b64:
raise SystemExit(f"TTS failed: {data}")
open(o, "wb").write(base64.b64decode(b64))
PY "$OUT_JSON" "$OUT_WAV"
顺序合并
ls chunks/*.wav | sort | sed "s/^/file '/;s/$/'/" > chunks/list.txt
ffmpeg -f concat -safe 0 -i chunks/list.txt -c copy podcast_final.wav
ffmpeg -i podcast_final.wav -codec:a libmp3lame -b:a 192k podcast_final.mp3
最小执行模板
// 1) 先提炼 source_brief.json
const brief = await llm_generate_source_brief(content);
writeFile("source_brief.json", brief);
// 2) 基于 source_brief 生成完整对话稿
let contentDraft = await llm_generate_podcast_content(content, brief);
writeFile("podcast_content.md", contentDraft);
// 3) 质量评分，不达标重写（最多2轮）
for (let i = 0; i < 2; i++) {
const score = await llm_score_content(contentDraft);
if (score.min >= 8) break;
contentDraft = await llm_rewrite_content(contentDraft, score.issues);
writeFile("podcast_content.md", contentDraft);
}
// 4) 基于对话稿生成结构化脚本
const script = await llm_generate_script_json(contentDraft);
writeFile("podcast_script.json", script);
// 5) 读取并校验脚本
const parsed = JSON.parse(readFile("podcast_script.json"));
validate(parsed);
// 6) 逐句合成
for (const line of parsed.lines) {
const wav = await volcTts(line.text, line.voice_type, line.emotion, line.speed_ratio);
saveToChunks(line.idx, line.speaker, wav);
}
// 7) 按 idx 顺序合并并导出 mp3
mergeChunksToMp3();
常见问题
401：检查 Authorization: Bearer;${VOLC_TOKEN}，分号不可漏- 无
data：查看返回 code/message，常见是 token 或 voice_type 不匹配
- emotion 参数报错：将该句
emotion 改为 neutral 后重试
- 中文不自然：去掉角色前缀，缩短句长，
speed_ratio 调到 0.92-0.98
- 合并失败：先确认
chunks/*.wav 可播放，再检查 chunks/list.txt
输出标准
- 必须产出
source_brief.json
- 必须产出
podcast_content.md
- 必须产出
podcast_script.json
- 必须产出
podcast_final.mp3（或 podcast_final.wav）
- 失败时必须附带错误原因和可重试命令
