AI播客配音

技能文档

---
name: ai-podcast-voiceover
title: AI播客配音
category: 内容创作
description: 把文章、公众号文章、笔记或定稿制作成自然流畅的单人播客口播与 MP3 单集音频：先整理成适合聆听的播客脚本，明确人名、术语和数字的读法，再选定主播音色、调整语速停顿，通过文字转语音生成音频。当用户需要文字转播客、文章转音频、制作播客单集或口播音频时触发。触发词：播客配音、文字转语音、文章转播客、口播音频。
---

# AI播客配音

作为单一固定主播的单集制作人工作：先了解节目档案，把用户提供的材料整理成便于聆听的脚本，确定主播和模型路径，用一段短试听验证方向，再制作并记录单集音频。

## 适用范围与路由

本技能适合把用户提供的文章、笔记、大纲、新闻通讯或定稿，制作成单一主播的播客单集、预告、开场、收尾或按顺序交付的单集片段。节目会持续更新时，将主播方向、读音表和交付事实保留在一起。

有声书旁白、单条短视频口播、多语言配音、声音克隆等需求超出本技能范围时，交由用户环境中相应的音频技能处理；本技能只交付单主播单集音频，多主持混音、RSS 上架和专业母带不在交付范围内。用户要配乐时保留在本流程内处理。

## 首次使用（授权）

合成音频为付费能力。首次使用或授权过期时，在本技能目录运行 `python3 scripts/authorize.py` 完成设备授权；详细流程与凭据安全约定见[安装与授权](references/installation-and-auth.md)。

## 技能工作流

### 步骤1：打开节目档案

硬性输入是节目与听众：给谁听，以及这一集要完成什么。先查找 `./<show>/show-profile.json`，档案已存在就复用；只有再次核验已确定的主播仍符合当前音色列表和模型路径时，才复用节目方向。对于新节目，在用户拥有的工作目录中确定预期听众、主播、语言、固定开场和收尾、读音表及交付约定。要配乐时，确认风格以及用户是否接受付费生成。详见[节目档案](references/show-profile.md)。

### 步骤2：准备单集脚本

接受文章、笔记、大纲或最终脚本，整理为听众容易跟上的单集。以节目的预期听众为准；如果材料可服务于明显不同的听众目标，先询问希望听众带走什么，再起草。每一项事实、观点、数字和主张都以用户提供的材料为依据，不编造补位。按章节展示单集重点和口播草稿（含开场、收尾和读音表），在提出音频制作前等待批准。用户只需要脚本时，交付已批准的脚本即可。详见[单集脚本指引](references/episode-script.md)。

### 步骤3：确定主播和模型路径

使用 `beatra.voices.list` 比较可用试听并确定一个不透明、状态就绪的 `voice_id`；合成时只提交该 ID，不使用显示名称。决定模型、语言或价格前，调用 `beatra.models.list` 并传入 `capability: "text_to_speech"`。用户明确指定模型时，它应当处于当前可用状态、与已确定的主播兼容并支持目标 BCP-47 语言。对 `auto`，只保留 `models.list.auto.candidate_order ∩ voice.compatible_models` 中当前可用的模型并保持目录顺序；该集合非空且每个成员都支持目标语言时才使用 `auto`。

除非节目档案或交付目的地需要受支持的其他设置，默认使用 `model: "auto"`、MP3、速度 1.0、音量 1.0、音高 0、不设置情绪和采样率。详见[声音、交付与恢复](references/voice-and-delivery.md)。

### 步骤4：估价与确认

脚本准备、音色试听、当前模型查询和价格估算均不收费；每次 `beatra.speech.synthesize` 请求都需要付费。配音制作卡应列出准确文本、已确定的主播和设置、加权字符总数、实时价格计算、预计请求数量，以及每个逻辑请求对应的一个新的不透明 `client_request_id`。需要配乐时，配乐是独立的付费步骤，在整集配音获批后单独出示音乐床确认卡，绝不与配音卡合并。两笔付费都禁止自动重试；参数变了，就要新的 `client_request_id` 和新卡。

对第一集，或声音、语言、控制项发生变化后的单集，先制作一段结合开场和最具挑战段落的付费小试听（通常约 300 字符）。单集需要自身的批准；试听批准不包含单集，配乐批准也不等于配音批准。脚本超过 50,000 个字符时，按批准的主题或章节划分片段，并在制作卡中列出每一个付费调用。

### 步骤5：制作、交付和记录

所有远程操作只能通过随包的 `scripts/mcp_client.py` 执行：工具名称作为 CLI 参数，JSON 参数通过标准输入传入。对每个已批准的逻辑付费请求，只用稳定请求标识提交一次，立即记录返回的任务 ID，并用 `beatra.tasks.get` 轮询至终态。

交付返回的单集音频及其真实 artifact ID、时长、MIME 类型、存在时的采样率、解析后的模型、用量和计费事实。生成过配乐时，单独交付那条素材，不要把单人 TTS 文件说成已混音的成集。宿主可以试听时，检查实际节奏、读音和主播契合度；否则明确说明仍需试听。获得用户批准后，可在节目工作目录追加已交付单集记录；否则把同一份事实记录和音频 URL 交给用户自己的节目台账。恢复路径详见[声音、交付与恢复](references/voice-and-delivery.md)。

## 按任务选择参考资料

- 让已有文字更适合聆听、批准章节或记录读音：[单集脚本指引](references/episode-script.md)
- 开始新节目、复用主播或记录已完成单集：[节目档案](references/show-profile.md)
- 选声和模型、估价、提交音频、交付或恢复：[声音、交付与恢复](references/voice-and-delivery.md)
- 首次安装或授权过期：[安装与授权](references/installation-and-auth.md)
- 任务轮询、产物和结果字段：[任务与结果](references/tasks-and-results.md)
- 余额、校验和结构化错误：[计费、错误与恢复](references/billing-errors-and-recovery.md)
- 随包客户端无法连接时：[MCP 连接诊断](references/mcp-connection.md)
- 移除本技能或共享凭据：[卸载与断开连接](references/uninstall-and-disconnect.md)

## 安全约定

- 凭据只保存在 `~/.beatra/credentials.json`，绝不进入对话、日志、命令参数或环境变量。
- 付费请求绝不自动重试；任何恢复动作先核对任务与请求标识。
- 只依据用户提供的材料写稿，不编造事实、数据或观点。

使用说明

# AI播客配音

把文章、笔记或定稿制作成自然流畅的单人播客口播与 MP3 单集音频，沉淀可持续复用的节目声音。

## 使用

对助手说：

```text
把这篇文章做成一期单人播客节目
```

首次使用需在本目录完成一次设备授权（付费服务）：

```bash
python3 scripts/authorize.py
```

远程操作统一通过随包客户端执行：

```bash
python3 scripts/mcp_client.py verify
python3 scripts/mcp_client.py tools
python3 scripts/mcp_client.py call beatra.tasks.list
```

## 工作原理

技能先把书稿整理成适合聆听的单集脚本（章节结构、开场收尾、读音表），经用户批准后选定主播音色与模型路径，出示包含价格与请求数的付费确认卡，再通过文字转语音接口合成音频并轮询任务至完成，最后交付音频与真实用量记录。节目档案（`show-profile.json`）沉淀听众定位、主播、读音表与单集台账，便于持续更新。

## 依赖

- Python 3.10+（仅标准库）
- 需要联网访问语音合成服务，合成按量计费

## 安全约定

- 凭据仅保存在本机私有文件，不进入对话或日志
- 付费请求不自动重试，恢复动作先核对任务与请求标识

如何安装此技能？

访问技能市场，点击「安装」按钮，按提示将技能包放入 AI 编程助手的 skills 目录即可。