aliang-podcast-maker

多人对话播客制作 Skill

触发词

当用户提供多角色对话脚本、播客剧本、访谈内容，并要求"做成声音"、"制作播客"、"配音"时使用。

工作流

第一步：分析对话，分配音色

1. 识别对话中的角色数量和各自特点（性格、年龄、语气）
2. 列出可用音色：

bl speech synthesize --list-voices --model cosyvoice-v3-flash

1. 为每个角色匹配合适的音色：

角色类型	推荐音色	说明
活泼女性	longanhuan	欢脱元气女
沉稳女性	longxiaoxia_v3	沉稳权威女
知性女性	longanwen_v3	优雅知性女
磁性男性	longtian_v3	磁性理智男
温暖男性	longze_v3	温暖元气男
青年男性	longcheng_v3	智慧青年男

1. 向用户展示音色方案，确认后继续。

第二步：逐句生成语音

创建临时目录存放分句音频：

mkdir -p {输出目录}/{对话标题}_语音

按对话顺序，为每句生成音频。阿琳用 longanhuan、老陈用 longtian_v3 举例：

# 阿琳第1句
bl speech synthesize \
  --text "好了，咱今天就唠唠——AI 这么猛，到底还需要什么样的人才？" \
  --voice longanhuan \
  --out "{输出目录}/{对话标题}_语音/阿琳_01.mp3"

# 老陈第1句
bl speech synthesize \
  --text "我觉得是 T 字型的人。" \
  --voice longtian_v3 \
  --out "{输出目录}/{对话标题}_语音/老陈_01.mp3"

继续为所有对话逐句生成。命名格式：{角色名}_{序号}.mp3

注意：

• 使用 --model cosyvoice-v3-flash（系统音色默认，可不写）
• 如需调整语速/语调，添加 --rate / --pitch 参数

第三步：创建 ffmpeg 拼接列表

在语音目录下创建 concat_list.txt，按对话顺序排列：

file '阿琳_01.mp3'
file '老陈_01.mp3'
file '阿琳_02.mp3'
file '老陈_02.mp3'
...

第四步：拼接为完整音频

关键发现：Bailian TTS 虽然输出 .mp3 扩展名，实际格式是 WAV（PCM）。 因此拼接时必须转码：

ffmpeg -y -f concat -safe 0 -i {输出目录}/{对话标题}_语音/concat_list.txt \
  -c:a libmp3lame -b:a 192k \
  {输出目录}/{对话标题}_完整版.mp3

• -y：自动覆盖已存在文件
• -c:a libmp3lame：转码为真 MP3
• -b:a 192k：192kbps 音质

第五步：清理与报告

1. 删除临时 concat_list.txt
2. 向用户报告：
   • 完整音频路径和时长
   • 分句音频目录位置
   • 使用的音色方案

输出示例

✅ 播客制作完成！

完整音频：输出/T型人才对话_完整版.mp3
  - 时长：68秒
  - 格式：MP3, 192kbps, 24kHz
  - 大小：1.3MB

音色方案：
  阿琳 → longanhuan（欢脱元气女）
  老陈 → longtian_v3（磁性理智男）

分句音频：输出/T型人才对话_语音/（13个文件）

进阶：添加片头/片尾音效

如果需要添加背景音乐或音效：

# 片头音频 + 完整对话拼接
ffmpeg -y -f concat -safe 0 \
  -i <(printf "file 'intro.mp3'\nfile '完整版.mp3'\nfile 'outro.mp3'\n") \
  -c:a libmp3lame -b:a 192k \
  {输出目录}/{对话标题}_带片头.mp3

注意事项

• Bailian TTS 不支持在同一条命令中切换音色，必须逐句生成
• 如果对话很长（>20句），可并行生成以提高效率
• 使用 cosyvoice-v3.5-flash 模型时（克隆音色），命令中的 --model 参数必须显式指定