AI 播客流水线

⚠️ 安全提示

本技能可能因以下合法用途触发杀毒软件误报：

• base64 解码：仅用于解码 Gemini TTS API 响应中的音频数据（JSON 中传输二进制数据的标准做法）
• 子进程调用：仅用于调用 ffmpeg 执行音视频处理
• 环境变量：从用户配置的环境读取 API 密钥（GEMINI_API_KEY）
• 网络请求：调用 Google Gemini API 生成文本转语音内容

所有代码均开源，可在本仓库中完整审计。无任何恶意行为。

基于 Trend/QuickView-* 内容构建端到端播客资产。

核心工作流

1. 选择源 QuickView 文件。
2. 生成播客脚本（完整模式或压缩模式）。
3. 构建双人声 MP3（使用 Gemini 多说话人能力，分块处理以保障可靠性）。
4. 生成全文韩语字幕（不使用省略号截断）。
5. 渲染带字幕的 MP4（已优化字体、字号与时间轴偏移）。
6. 生成封面图 + YouTube 元数据。
7. 交付最终成品包。

第 1 步）选择源文件

优先选用您所配置的 Quartz 根目录下的周度 QuickView 文件。

若用户提供 wk.aiee.app URL，请先将其映射为本地 Quartz Markdown 文件。

第 2 步）生成脚本

请阅读并应用：

• references/podcast_prompt_template_ko.md

两种模式：

• 完整模式：时长约 15~20 分钟
• 压缩模式：时长约 5~7 分钟（仅保留核心要点）

规则：

• 口语化台词中不得包含系统/元信息文本
• 主持人开场白仅在开头出现一次
• 使用自然对话式韩语，句子简短，具备可操作性
• 脚本保存至 archive/ 目录

第 3 步）构建音频（Gemini 多说话人、高可靠性）

推荐：分块构建器（防超时）

# 通过环境变量设置 API 密钥（必需）
export GEMINI_API_KEY=""

# 在 skills/ai-podcast-pipeline/ 目录下执行
python3 scripts/build_dualvoice_audio.py 
  --input  
  --outdir  
  --basename podcast_full_dualvoice 
  --chunk-lines 6

单次执行（适用于短脚本）

python3 scripts/gemini_multispeaker_tts.py 
  --input-file  
  --outdir  
  --basename podcast_dualvoice 
  --retries 3 
  --timeout-seconds 120

默认语音映射（2026-02-10 起固定）：

• Callie（女性） → Kore
• Nick（男性） → Puck

输出格式：MP3（默认交付格式）

第 4 步）构建韩语字幕（全文本）

使用全文本字幕构建器（不进行 ... 截断）：

python3 scripts/build_korean_srt.py 
  --script  
  --audio  
  --output /podcast.srt 
  --max-chars 22

第 5 步）渲染带字幕 MP4（字体 + 时间轴）

使用支持调节字体与时间轴偏移的渲染器：

python3 scripts/render_subtitled_video.py 
  --image  
  --audio  
  --srt  
  --output /final.mp4 
  --font-name "Do Hyeon" 
  --font-size 27 
  --shift-ms -250

说明：

• shift-ms 为负值表示字幕提前显示（用于修复音画不同步）
• 若出现文字裁切，请降低 font-size（例如设为 25~27）
• 确保文字位于安全区域；避免与人物或画面主体重叠

第 6 步）生成封面图 + YouTube 元数据

# 通过环境变量设置 API 密钥（必需）
export GEMINI_API_KEY=""

python3 scripts/build_podcast_assets.py 
  --source ""

参考规范（布局 / 文案约束）：

• references/thumbnail_guidelines_ko.md

第 7 步）最终交付检查清单

每次交付必须包含以下内容：

1. 所用源文件
2. 最终 MP3 文件路径
3. 带字幕 MP4 文件路径及其大小
4. 封面图路径
5. YouTube 标题备选方案（3 个）
6. YouTube 描述文案

可靠性规则

• Gemini 对长输入超时：请使用分块构建器（build_dualvoice_audio.py）
• 字幕裁切：减小字号并增大底部边距
• 字幕延迟：调整 --shift-ms 参数（通常设为 -150 至 -300）
• 请确保生成的资产符合 Telegram 的实际传输限制

安全注意事项

• API 密钥必须通过环境变量（GEMINI_API_KEY）传入，禁止硬编码。
• 切勿将原始密钥粘贴至提示词、日志、截图或公开帖子中。
• 近期加固措施：封面图生成现已改由环境变量传递密钥（不再通过 CLI 参数）。

参考资料

• references/podcast_prompt_template_ko.md
• references/workflow_runbook.md
• references/thumbnail_guidelines_ko.md