Aliang podcast maker

Skill aliang2052/aliang-skills/skills/aliang-podcast-maker

阿亮开源的 Skills 合集：短剧成片 / 电商详情图 / 儿童故事 / 有声绘本 / 配音 / 多人播客。一句话触发，AI 走完整 AIGC 流程。

Install

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

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

20 stars20 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

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。

SKILL.md

3.6 KB, as published. Nobody here has run it

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

识别对话中的角色数量和各自特点（性格、年龄、语气）
列出可用音色：

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

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

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

删除临时 concat_list.txt
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