podcast-generator

# 播客生成器（火山引擎双人对话） 把中文文本变成双人对话播客音频，接口封装在 `scripts/generate_podcast.py`。 ## 验收标准（每次生成完成前自查） - [ ] 音频文件已落盘，把**实际路径与文件大小**回报用户 - [ ] 输入文本 ≤25,000 字符（超长必须先与用户确认拆分方案，不能让模型静默截断） - [ ] 生成中断时使用了 retry_info 续传而不是从头重来 - [ ] 参数选择有依据：分发用 mp3，后期加工用 pcm；教学内容语速 -20 左右 - [ ] 凭证缺失时未硬试：告知用户去火山引擎控制台（speech/service/10028）获取 ## 不做什么 - 不写播客文稿——输入文本的质量是上游任务（文稿创作找写作类 skill） - 不做单人朗��、配音、音效制作 - 不在输出里回显用户的 ACCESS_KEY ## 工作流程 ### 1. 准备输入 必需：中文文本（≤25k 字符）+ APP_ID + ACCESS_KEY（无则告知获取方式后停止）。 可选：格式（默认 mp3）/ 采样率（默认 24000）/ 语速（-50~100，0=正常，100=2 倍速）/ 音色 / 开场音乐（默认关）。 **最佳文本长度 500-3000 字**——播客时长与听感的最优区间；一篇长文建议先摘要再生成。 ### 2. 生成 ```bash python scripts/generate_podcast.py \ --text "播客话题或内容文本" \ --output "/path/to/output.mp3" \ --app-id "$VOLC_APP_ID" --access-key "$VOLC_ACCESS_KEY" \ --format mp3 --sample-rate 24000 --speech-rate 0 ``` 脚本会流式接收音频、按轮次显示进度、落盘后返回统计（大小/轮次数）。 Python 模块调用、自定义音色 ID、断点续传 retry_info 的写法见脚本内 docstring 与 `references/api_reference.md`。 ### 3. 交付 回报文件路径、大小、时长预估;失败时给出具体错误与下一步(见陷阱表)。 ## 已知陷阱 | 陷阱 | 具体表现 | 应对 | |------|---------|------| | 超长静默截断 | >25k 字符时模型直接截断，播客缺尾 | 生成前校验长度，超长先与用户确认拆分或摘要 | | WebSocket 连不上 | 连接错误/超时 | 依次排查：凭证是否正确 → 网络 → 防火墙是否放行 WebSocket | | 中断后从头重试 | 长文本生成到一半断了，重跑烧双倍额度 | 从日志取 task_id 和 last_finished_round_id，用 retry_info 续传 | | 输出路径不可写 | 生成完成但保存失败 | 生成前检查目录存在且可写、磁盘空间充足 | | 文本结构差出烂稿 | 口水文本生成的对话生硬 | 输入用结构清晰的中文文本；效果差时先改文本再调参数 | ## 依赖与凭证 ```bash pip install websockets ``` 凭证从火山引擎控制台获取（console.volcengine.com/speech/service/10028）。建议走环境变量,不要写进代码。 ## 参考文档（按需加载...