AI驱动的专业播客制作工坊

基于inference.sh平台整合Kokoro与DIA等先进TTS模型，支持多角色对话与AI音乐生成，零门槛制作专业级播客与有声书内容。

基本信息

• 技能名称?ai-podcast-creation
• 中文名称?AI驱动的专业播客制作工坊
• 作者?okaris
• 分类?内容创作
• 版本?v0.1.5
• 标签?content-media, productivity, audio-generation, automation

使用方法

使用说明
AI Podcast Creation 是一款基于 inference.sh 云平台的文档型播客制作技能，通过 CLI 工具链提供从脚本创作到音频成品的完整工作流。用户可利用该技能调用 Kokoro TTS、DIA TTS 等先进语音合成模型，结合 AI 音乐生成与媒体合并工具，实现单人旁白、双人对谈、有声书章节等多种音频内容形态的自动化生产。
核心用法 方面，该技能采用管道化设计：首先通过 LLM（如 Claude）生成结构化脚本，标记不同说话人角色；随后利用 infsh app run 命令分别调用特定语音模型（如 am_michael 主持音、 af_sarah 嘉宾音）生成独立音轨；最后通过 media-merger 工具进行交叉淡入淡出、背景音乐叠加（建议音量 10-15%）及音轨拼接，输出完整剧集。特别值得一提的是其 NotebookLM 风格功能，可将长文档自动转换为双人讨论式播客脚本，并生成自然对话音频。
显著优点 体现在：一是语音库丰富，涵盖美音/英音男女声及对话式 DIA 模型，支持语速调节与情感表达；二是提供完整的工业级模板，包括访谈格式、独白结构、新闻综述等，并附带脚本写作最佳实践（如自然停顿标点、口语化填充词使用）；三是纯文档属性带来的透明性，所有操作均为可审计的 CLI 命令示例，无黑盒代码。
潜在局限 包括：严重依赖 inference.sh 第三方云服务，需持续网络连接且产生平台计费；作为 T3 级个人来源项目，缺乏企业级维护背书；文档未明确说明中文语音支持情况，主要示例针对英文内容；长文本生成可能受限于云端 API 的速率与字数限制。
适合群体 主要为独立播客创作者、内容营销人员、教育工作者（制作课程音频）、有声书自出版作者，以及寻求 NotebookLM 替代方案需将文档转为音频的用户。不适用于对数据主权要求极高的涉密场景或需离线工作的环境。
使用风险 需关注：执行 infsh 命令需授予 Bash 权限，应确保 CLI 安装源（https://cli.inference.sh）可信；用户脚本与生成内容将上传至远程服务器处理，需仔细阅读 inference.sh 隐私政策；长时间音频生成可能产生意外费用，建议预先了解平台计费规则；网络中断可能导致制作流程中断且难以断点续传。