aliang-podcast-maker

Name: aliang-podcast-maker
Author: aliang2052

18stars4forks

How to install aliang-podcast-maker?

aliang2052/aliang-skills/aliang-podcast-maker

$npx -y skills add aliang2052/aliang-skills --skill aliang-podcast-maker

Installs into the current project.

Summary

多人对话脚本转语音播客：为不同角色分配音色，逐句生成后用 ffmpeg 拼接成完整音频。

Files · 1

View on GitHub

SKILL.md

1	# 多人对话播客制作 Skill
2
3	## 触发词
4
5	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。
6
7	## 工作流
8
9	### 第一步：分析对话，分配音色
10
11	1. 识别对话中的角色数量和各自特点（性格、年龄、语气）
12	2. 列出可用音色：
13
14	```bash
15	bl speech synthesize --list-voices --model cosyvoice-v3-flash
16	```
17
18	3. 为每个角色匹配合适的音色：
19
20	\| 角色类型 \| 推荐音色 \| 说明 \|
21	\|----------\|---------\|------\|
22	\| 活泼女性 \| `longanhuan` \| 欢脱元气女 \|
23	\| 沉稳女性 \| `longxiaoxia_v3` \| 沉稳权威女 \|
24	\| 知性女性 \| `longanwen_v3` \| 优雅知性女 \|
25	\| 磁性男性 \| `longtian_v3` \| 磁性理智男 \|
26	\| 温暖男性 \| `longze_v3` \| 温暖元气男 \|
27	\| 青年男性 \| `longcheng_v3` \| 智慧青年男 \|
28
29	4. 向用户展示音色方案，确认后继续。
30
31	### 第二步：逐句生成语音
32
33	创建临时目录存放分句音频：
34
35	```bash
36	mkdir -p {输出目录}/{对话标题}_语音
37	```
38
39	按对话顺序，为每句生成音频。阿琳用 `longanhuan`、老陈用 `longtian_v3` 举例：
40
41	```bash
42	# 阿琳第1句
43	bl speech synthesize \
44	--text "好了，咱今天就唠唠——AI 这么猛，到底还需要什么样的人才？" \
45	--voice longanhuan \
46	--out "{输出目录}/{对话标题}_语音/阿琳_01.mp3"
47
48	# 老陈第1句
49	bl speech synthesize \
50	--text "我觉得是 T 字型的人。" \
51	--voice longtian_v3 \
52	--out "{输出目录}/{对话标题}_语音/老陈_01.mp3"
53	```
54
55	继续为所有对话逐句生成。命名格式：`{角色名}_{序号}.mp3`
56
57	注意：
58	- 使用 `--model cosyvoice-v3-flash`（系统音色默认，可不写）
59	- 如需调整语速/语调，添加 `--rate` / `--pitch` 参数
60
61	### 第三步：创建 ffmpeg 拼接列表
62
63	在语音目录下创建 `concat_list.txt`，按对话顺序排列：
64
65	```
66	file '阿琳_01.mp3'
67	file '老陈_01.mp3'
68	file '阿琳_02.mp3'
69	file '老陈_02.mp3'
70	...
71	```
72
73	### 第四步：拼接为完整音频
74
75	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：
76
77	```bash
78	ffmpeg -y -f concat -safe 0 -i {输出目录}/{对话标题}_语音/concat_list.txt \
79	-c:a libmp3lame -b:a 192k \
80	{输出目录}/{对话标题}_完整版.mp3
81	```
82
83	- `-y`：自动覆盖已存在文件
84	- `-c:a libmp3lame`：转码为真 MP3
85	- `-b:a 192k`：192kbps 音质
86
87	### 第五步：清理与报告
88
89	1. 删除临时 `concat_list.txt`
90	2. 向用户报告：
91	- 完整音频路径和时长
92	- 分句音频目录位置
93	- 使用的音色方案
94
95	## 输出示例
96
97	```
98	✅ 播客制作完成！
99
100	完整音频：输出/T型人才对话_完整版.mp3
101	- 时长：68秒
102	- 格式：MP3, 192kbps, 24kHz
103	- 大小：1.3MB
104
105	音色方案：
106	阿琳 → longanhuan（欢脱元气女）
107	老陈 → longtian_v3（磁性理智男）
108
109	分句音频：输出/T型人才对话_语音/（13个文件）
110	```
111
112	## 进阶：添加片头/片尾音效
113
114	如果需要添加背景音乐或音效：
115
116	```bash
117	# 片头音频 + 完整对话拼接
118	ffmpeg -y -f concat -safe 0 \
119	-i <(printf "file 'intro.mp3'\nfile '完整版.mp3'\nfile 'outro.mp3'\n") \
120	-c:a libmp3lame -b:a 192k \
121	{输出目录}/{对话标题}_带片头.mp3
122	```
123
124	## 注意事项
125
126	- Bailian TTS 不支持在同一条命令中切换音色，必须逐句生成
127	- 如果对话很长（>20句），可并行生成以提高效率
128	- 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

People who liked this also viewed

6 picks

Type

ai-video-generationinference.sh Agent skills for using our API to give your agents access to hundreds of apps and other agentsSkillsJul 2026292k642
imagegen-frontend-webElite frontend image-direction skill for generating premium, conversion-aware website design references. CRITICAL OUTPUT RULE — generate ONE separate horizontal image FOR EVERY section. A landing pageSkillsJul 2026165k66k
hyperframes-mediaWrite HTML. Render video. Built for agents.SkillsJul 2026145k37k
media-useAgent Media OS, the single skill for every media need in a HyperFrames project. Resolve BGM, SFX, image, icon, brand logo, voice, color grade, or LUT into a frozen local file or paste-ready block + leSkillsJul 2026144k37k
general-videoAuthor or edit a custom HyperFrames composition when no specialized workflow fits, or when BRIEF.md sets flow: companion. Use for longer or multi-scene pieces, brand and sizzle reels, montages, staticSkillsJul 2026124k37k
product-launch-videoTurn a product or marketing URL, pasted script, or brief into a product launch / promo video — SaaS promos, feature reveals, product demos, app and company launches. Use when the user wants to market,SkillsJul 2026121k37k

aliang-podcast-maker

18stars4forks

View on GitHub

How to install aliang-podcast-maker?

aliang2052/aliang-skills/aliang-podcast-maker

$npx -y skills add aliang2052/aliang-skills --skill aliang-podcast-maker

Installs into the current project.

Summary

多人对话脚本转语音播客：为不同角色分配音色，逐句生成后用 ffmpeg 拼接成完整音频。

Files · 1

View on GitHub

SKILL.md

1	# 多人对话播客制作 Skill
2
3	## 触发词
4
5	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。
6
7	## 工作流
8
9	### 第一步：分析对话，分配音色
10
11	1. 识别对话中的角色数量和各自特点（性格、年龄、语气）
12	2. 列出可用音色：
13
14	```bash
15	bl speech synthesize --list-voices --model cosyvoice-v3-flash
16	```
17
18	3. 为每个角色匹配合适的音色：
19
20	\| 角色类型 \| 推荐音色 \| 说明 \|
21	\|----------\|---------\|------\|
22	\| 活泼女性 \| `longanhuan` \| 欢脱元气女 \|
23	\| 沉稳女性 \| `longxiaoxia_v3` \| 沉稳权威女 \|
24	\| 知性女性 \| `longanwen_v3` \| 优雅知性女 \|
25	\| 磁性男性 \| `longtian_v3` \| 磁性理智男 \|
26	\| 温暖男性 \| `longze_v3` \| 温暖元气男 \|
27	\| 青年男性 \| `longcheng_v3` \| 智慧青年男 \|
28
29	4. 向用户展示音色方案，确认后继续。
30
31	### 第二步：逐句生成语音
32
33	创建临时目录存放分句音频：
34
35	```bash
36	mkdir -p {输出目录}/{对话标题}_语音
37	```
38
39	按对话顺序，为每句生成音频。阿琳用 `longanhuan`、老陈用 `longtian_v3` 举例：
40
41	```bash
42	# 阿琳第1句
43	bl speech synthesize \
44	--text "好了，咱今天就唠唠——AI 这么猛，到底还需要什么样的人才？" \
45	--voice longanhuan \
46	--out "{输出目录}/{对话标题}_语音/阿琳_01.mp3"
47
48	# 老陈第1句
49	bl speech synthesize \
50	--text "我觉得是 T 字型的人。" \
51	--voice longtian_v3 \
52	--out "{输出目录}/{对话标题}_语音/老陈_01.mp3"
53	```
54
55	继续为所有对话逐句生成。命名格式：`{角色名}_{序号}.mp3`
56
57	注意：
58	- 使用 `--model cosyvoice-v3-flash`（系统音色默认，可不写）
59	- 如需调整语速/语调，添加 `--rate` / `--pitch` 参数
60
61	### 第三步：创建 ffmpeg 拼接列表
62
63	在语音目录下创建 `concat_list.txt`，按对话顺序排列：
64
65	```
66	file '阿琳_01.mp3'
67	file '老陈_01.mp3'
68	file '阿琳_02.mp3'
69	file '老陈_02.mp3'
70	...
71	```
72
73	### 第四步：拼接为完整音频
74
75	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：
76
77	```bash
78	ffmpeg -y -f concat -safe 0 -i {输出目录}/{对话标题}_语音/concat_list.txt \
79	-c:a libmp3lame -b:a 192k \
80	{输出目录}/{对话标题}_完整版.mp3
81	```
82
83	- `-y`：自动覆盖已存在文件
84	- `-c:a libmp3lame`：转码为真 MP3
85	- `-b:a 192k`：192kbps 音质
86
87	### 第五步：清理与报告
88
89	1. 删除临时 `concat_list.txt`
90	2. 向用户报告：
91	- 完整音频路径和时长
92	- 分句音频目录位置
93	- 使用的音色方案
94
95	## 输出示例
96
97	```
98	✅ 播客制作完成！
99
100	完整音频：输出/T型人才对话_完整版.mp3
101	- 时长：68秒
102	- 格式：MP3, 192kbps, 24kHz
103	- 大小：1.3MB
104
105	音色方案：
106	阿琳 → longanhuan（欢脱元气女）
107	老陈 → longtian_v3（磁性理智男）
108
109	分句音频：输出/T型人才对话_语音/（13个文件）
110	```
111
112	## 进阶：添加片头/片尾音效
113
114	如果需要添加背景音乐或音效：
115
116	```bash
117	# 片头音频 + 完整对话拼接
118	ffmpeg -y -f concat -safe 0 \
119	-i <(printf "file 'intro.mp3'\nfile '完整版.mp3'\nfile 'outro.mp3'\n") \
120	-c:a libmp3lame -b:a 192k \
121	{输出目录}/{对话标题}_带片头.mp3
122	```
123
124	## 注意事项
125
126	- Bailian TTS 不支持在同一条命令中切换音色，必须逐句生成
127	- 如果对话很长（>20句），可并行生成以提高效率
128	- 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

People who liked this also viewed

6 picks

Type