播客配音·AI文字转语音

将文本转换为播客音频的自动化问题

在内容创作中，将书面材料如文章、笔记或大纲转换为专业的播客单集音频是一个常见需求。手动过程涉及脚本优化、主播录音、音频编辑等多步骤，耗时且需要专业设备。播客配音·AI文字转语音 技能旨在自动化这一流程，专注于为单一固定主播制作播客单集，支持从文本到音频的完整工作流。

技能如何工作：核心能力与关键步骤

该技能的核心是处理从文本到音频的完整工作流，主要包括以下关键步骤：

• 打开节目档案：首先查找并复用现有的节目配置文件，如预期听众、主播信息、语言和交付约定。对于新节目，需要在工作目录中确定这些参数，并确认主播 voice_id 和模型路径。

• 准备单集脚本：接受用户提供的文本材料，整理成易于聆听的脚本，包括开场、收尾和章节结构。脚本需根据节目目标听众进行优化，确保事实和主张基于用户材料。按章节展示草稿并等待批准。

• 确定主播和模型路径：使用 beatra.voices.list 比较可用试听并选择 voice_id，通过 beatra.models.list 确定合适的TTS模型。默认设置包括 model: "auto"、MP3格式、速度1.0等，除非另有指定。

• 标准流程：遵循估价、确认、制作和交付的步骤。脚本准备和试听不收费，但每次 beatra.speech.synthesize 和 beatra.music.generate 请求都需要付费。制作前提供确认卡，列出文本、主播设置、价格估算和 client_request_id。

• 制作与交付：通过随包提供的 scripts/mcp_client.py 执行远程操作，提交付费请求并使用 beatra.tasks.get 轮询任务状态。交付音频文件及其元数据，如时长、采样率和计费事实，并记录到节目台账。

适用边界与注意事项

该技能适用于制作单一主播的播客单集、预告或片段，但有明确的边界路由：

• 多主持混音、RSS上架或专业母带应路由到其他技能，如 ai-audiobook-narration 或 short-form-voiceover-audio。
• 配乐生成需单独确认和付费，不要折叠到配音确认卡中。
• 注意每次付费请求不可自动重试，参数变化时需要新的 client_request_id 和确认卡。
• 脚本超过 50,000 字符时，需按章节分片段制作并列出每个付费调用。

通过自动化文本到音频的转换，该技能简化了播客制作流程，但用户需理解其特定适用范围、付费约束和操作步骤。