podcast-producer-agent

播客制作

创作完整的播客节目、访谈和对话式音频内容。

这是一项编排技能，结合了：

• 脚本／对话生成（Claude）
• 多说话人语音合成（Gemini TTS）
• 片头／片尾音乐（Lyria）
• 音频组装（通过 media-utils 使用 FFmpeg）

可以创作的内容

类型	示例
播客节目	两位主持人讨论某个主题
访谈	主持人与嘉宾的问答形式
对话	角色之间的剧本式对话
音频剧	多个角色参与的故事
广播节目	包含多个环节的编排式音频节目

前提条件

• GOOGLE_API_KEY - 用于 Gemini TTS（语音）和 Lyria（音乐）
• 已安装 FFmpeg：brew install ffmpeg（macOS）或 apt install ffmpeg（Linux）

工作流

第 1 步：收集需求（必需）

⚠️ 不要跳过此步骤。请通过交互式提问逐个提问——每次只问一个问题。

问题流程

⚠️ 请对以下每个问题使用 AskUserQuestion 工具。 不要只在回复中列出问题——请使用该工具创建带有所示选项的交互式提示。

Q1：主题

“我来为你制作这期播客！首先——主题是什么？

(主持人应该讨论什么？)”

等待回复。

Q2：主持人

“谁是主持人／说话人？

(姓名和简短的性格描述——例如‘Sarah，热情的科技专家’——TTS 最多支持 2 人)”

等待回复。

Q3：时长

“节目应该多长？

• 5 分钟
• 10 分钟
• 15 分钟
• 或指定时长”

等待回复。

Q4：语气

“希望采用什么语气？

• 专业
• 轻松／对话式
• 幽默／娱乐性
• 严肃／教育性
• 或自行描述”

等待回复。

Q5：音乐

“片头／片尾希望采用什么音乐风格？

• 轻快流行
• 轻松 lo-fi
• 企业／专业
• 电子
• 或自行描述”

等待回复。

快速参考

问题	决定内容
主题	脚本内容和讨论要点
主持人	语音选择和脚本风格
时长	脚本长度
语气	写作风格和活力
音乐	片头／片尾的 Lyria 提示词

---

第 2 步：生成脚本

使用 Claude 创建带有说话人标签的对话脚本：

[INTRO MUSIC: 10 seconds, upbeat tech podcast vibe]

Sarah: Welcome back to Tech Talk! I'm Sarah, and today we have something exciting.

Mike: Hey everyone! I'm Mike, and yes - we're diving into AI in healthcare.

Sarah: So Mike, what's the biggest change you've seen this year?

Mike: Great question! The use of AI for diagnostic imaging has exploded...

[Continue dialogue...]

[OUTRO MUSIC: Fade under last lines, 5 seconds after]

Sarah: Thanks for listening! Follow us for more episodes.

Mike: See you next time!

脚本指南：

• 说话人姓名必须与 TTS 配置中的姓名完全一致
• 用方括号标注音乐提示：[INTRO MUSIC: description]
• 对话自然流畅，包含来回交流
• 音频时长按每分钟约 150 个词计算

---

第 3 步：规划素材生成

创建所需生成内容的清单：

{
  "project": "tech_talk_ai_healthcare",
  "duration_target": "5 minutes",
  "speakers": [
    {"name": "Sarah", "voice": "Kore", "style": "Enthusiastic, upbeat"},
    {"name": "Mike", "voice": "Puck", "style": "Friendly, knowledgeable"}
  ],
  "assets": [
    {
      "type": "music",
      "name": "intro_music",
      "prompt": "upbeat tech podcast, electronic, modern",
      "duration": 15,
      "script": "lyria"
    },
    {
      "type": "dialogue", 
      "name": "main_content",
      "speakers": ["Sarah", "Mike"],
      "text": "[the dialogue script]",
      "script": "gemini_tts"
    },
    {
      "type": "music",
      "name": "outro_music",
      "prompt": "same as intro, fade out",
      "duration": 10,
      "script": "lyria"
    }
  ],
  "assembly": [
    {"action": "mix", "voice": "intro_with_music", "music": "intro_music", "music_volume": 0.8},
    {"action": "concat", "files": ["intro_with_music", "main_content"]},
    {"action": "mix", "voice": "main_content_end", "music": "outro_music", "fade_out": 5}
  ]
}

---

第 4 步：生成素材

执行每个生成步骤：

生成片头音乐（Lyria）：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "upbeat tech podcast, electronic, modern, positive energy" \
  --duration 15 \
  --bpm 120

生成对话（Gemini TTS 多说话人）：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/voice-generation/scripts/gemini_tts.py \
  --multi \
  --speaker "Sarah:Kore" \
  --speaker "Mike:Puck" \
  --text "[dialogue script from Step 2]" \
  --style "Make Sarah sound enthusiastic and upbeat. Mike sounds friendly and knowledgeable."

生成片尾音乐（与片头相同或使用变体）：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "upbeat tech podcast, electronic, fade out feel" \
  --duration 10 \
  --bpm 120

---

第 5 步：组装播客

使用 media-utils 拼接所有内容：

将片头音乐与对话开头混音：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/audio_mix.py \
  --voice dialogue.wav \
  --music intro_music.wav \
  --music-volume 0.4 \
  --fade-out 3 \
  -o intro_mixed.wav

连接所有片段：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/audio_concat.py \
  -i intro_mixed.wav main_dialogue.wav outro_mixed.wav \
  --crossfade 1.0 \
  -o final_podcast.mp3

---

第 6 步：交付结果

提供：

1. 最终音频文件
2. 创作内容摘要
3. 询问是否需要调整

交付示例：

“✅ 你的播客节目已准备就绪！

文件： tech_talk_ai_healthcare.mp3（5:23）

创作内容：

• Sarah（Kore 音色）和 Mike（Puck 音色）的对话
• 15 秒轻快的电子风格片头音乐
• 10 秒渐弱的片尾音乐

需要我：

• 调整语音或语气吗？
• 更换音乐风格吗？
• 延长或缩短某个部分吗？
• 在讨论中加入更多主题吗？”

配音搭配建议

主持人类型	建议音色	描述
主持人（活力十足）	Kore、Puck、Laomedeia	坚定、积极
联合主持人（沉稳）	Charon、Algieba	信息丰富、流畅
嘉宾（专家）	Rasalgethi、Gacrux	知识渊博、成熟
采访者	Achird	友好
旁白	Charon、Orus	信息丰富、清晰

音乐风格建议

播客类型	音乐提示词
科技／商业	"upbeat electronic, modern, corporate, positive"
轻松／喜剧	"fun, playful, acoustic guitar, lighthearted"
新闻／严肃	"subtle, professional, ambient, understated"
讲故事	"cinematic, emotional, orchestral, atmospheric"
健康／身心 wellness	"calm, peaceful, ambient, gentle piano"
真实犯罪	"dark, suspenseful, minimal, tension"

限制

• Gemini TTS 每次调用最多支持 2 位说话者（超过此数量时，请生成单独的文件并拼接）
• Lyria 仅支持器乐——音乐中没有人声
• 时长估算可能有所不同——对话长度取决于语速
• 如果音乐短于对话，音乐会循环播放

错误处理

错误	解决方案
"GOOGLE_API_KEY not set"	按照 README 设置 API 密钥
"FFmpeg not found"	安装：brew install ffmpeg
"google-genai not installed"	运行：pip install google-genai
TTS 太长	将脚本拆分成多个片段，分别生成后再拼接

示例提示词

简单：

“制作一期 3 分钟的播客，主题是远程工作技巧，由两位主持人主持”

详细：

“制作一期 5 分钟的科技播客。主持人：Alex（热情、精通科技）和 Jordan（持怀疑态度、善于提问）。主题：AI 助手的未来。加入积极的电子风格片头／片尾音乐。基调轻松但信息丰富。”

提供脚本：

“将这段对话制作成一集带有片头／片尾音乐的播客： Alex：大家好，欢迎回来！ Jordan：今天我们要聊聊……”