AI 脚本+语音合成，一键出品专业音频

AI 驱动的有声内容创作工具，一键生成高质量有声书、播客和教育音频，支持多种风格与自定义时长

基本信息

• 技能名称?Audio Content Generator
• 中文名称?AI 脚本+语音合成，一键出品专业音频
• 作者?udiedrichsen
• 分类?专业技能
• 版本?1.0.0
• 标签?audio, text-to-speech, content-generation, media-production, elevenlabs, tts, podcast, audiobook, educational-content, creative-writing

使用方法

使用说明
核心用法
Audio Content Generator 是一个端到端的 AI 音频内容生产工具，集成 Claude 脚本创作与 ElevenLabs 语音合成。用户只需提供主题和时长需求，系统自动完成从文案到成品的全流程：

1. 内容类型识别 ：自动判断 audiobook（叙事故事）、podcast（对话式播客）、educational（教育讲解）三种模式
2. 智能脚本生成 ：按 75 词/分钟计算字数，插入语音效果标记（如 [whispers] 、 [excited] 、 [long pause] ）优化听感
3. 用户确认环节 ：先生成脚本供预览修改，确认后再调用 TTS，避免 API 浪费
4. 音频输出 ：通过 ElevenLabs API 生成 MP3，返回 MEDIA token 供用户下载
   技术路径 ：Claude 写脚本 → 格式化（去 markdown、数字转英文、效果标签）→ 调用 sag/scripts/tts.py → ElevenLabs API → /tmp/audio-gen/ 存储
   显著优点
   零门槛创作 ：无需录音设备、配音演员或音频编辑技能，纯文本输入即可产出专业级音频
   格式专业化 ：内置三种成熟的内容结构模板，自动匹配叙事节奏、语调建议和停顿设计
   成本可控透明 ：明确标注成本（10 分钟约 $1.43），支持 2-30 分钟灵活时长，适合 MVP 测试和内容迭代
   工作流闭环 ：脚本预览 → 修改确认 → 音频生成，避免一次性生成的不可逆风险
   潜在缺点与局限性
5. 单一语音限制 ：仅支持单一声源，无法实现多角色对话或播客访谈形式
6. 无音乐音效 ：纯人声输出，缺乏背景音乐和音效层，氛围营造依赖文本描述
7. 语言偏向英文 ：虽然 ElevenLabs 支持多语言，但脚本生成优化为英语结构，中文内容可能出现语调不自然
8. 长度硬性上限 ：单次最多 30 分钟（约 2250 词），长篇内容需手动分章节
9. 依赖外部 API ：ElevenLabs 账户余额和速率限制直接影响可用性，无离线 fallback
   适合人群
   独立创作者 ：快速验证播客/有声书创意，降低内容试错成本
   教育工作者 ：批量生成课程音频、知识点讲解，支持自定义时长适配课堂节奏
   多平台运营者 ：将文字内容 repurposing 为音频格式，扩展分发渠道
   视力障碍辅助 ：将长文转为可听内容，但需注意效果标签可能干扰屏幕阅读器
   常规风险
   API 密钥暴露 ： ELEVENLABS_API_KEY 需配置在环境变量，共享环境存在泄露风险
   内容合规性 ：AI 生成脚本的版权归属、ElevenLabs 声音克隆的授权边界需用户自行把控
   临时文件安全 ：音频文件存储于 /tmp/ ，24 小时自动清理，敏感内容需及时转存
   成本累积 ：长内容（30 分钟约 $4.30）和频繁迭代可能产生意外账单，建议设置预算告警