podcastgen 0.1.0

Generate podcasts from documents using Mimo LLM, Mimo TTS, and MiniMax BGM

PodcastGen

📻 文档播客生成工具 — 基于 Mimo LLM + Mimo TTS + MiniMax BGM

将文档自动转换为高质量播客音频：AI 分析文档结构 → 生成播客脚本 → 语音合成 → 背景音乐 → 混音输出。

✨ 特性

• 📊 智能文档分析：Mimo LLM (OpenAI 格式) 分析文档，按段落结构化输出 JSON
• 📝 脚本生成：支持单人/双人模式，三种风格（专业/轻松/叙事），多语言
• 🎤 TTS 合成：Mimo TTS 分段合成，自动拼接停顿
• 🎵 BGM 生成：MiniMax Music 2.6 生成背景音乐，自动循环+淡入淡出
• 🔊 混音输出：独立音量控制，自动归一化，WAV 输出
• 🎛️ CLI 命令：一键生成，支持丰富参数

📦 安装

pip install podcastgen

或从源码安装：

git clone <repo-url>
cd podcast_generator
pip install -e .

🔑 配置

设置环境变量：

export MIMO_API_KEY="your-mimo-api-key"
export MINIMAX_API_KEY="your-minimax-api-key"

🚀 使用

命令行

# 基本用法：基于文档生成
podcastgen -i document.md

# 基于话题直接生成脚本（无需文档）
podcastgen -t "人工智能对教育行业的影响"

# 双人播客 + 轻松风格 + 20分钟
podcastgen -i document.md --mode double --tone casual --duration 20

# 话题模式 + 联网搜索 + 叙事风格
podcastgen -t "2024年AI大模型发展趋势" --web-search --tone storytelling --duration 15

# 仅分析文档（不生成音频）
podcastgen -i document.md --analyze-only

# 自定义BGM和音量
podcastgen -i document.md --bgm-prompt "lo-fi chillhop" --voice-volume 1.0 --bgm-volume 0.25

# 不要BGM，纯人声
podcastgen -i document.md --no-bgm

# 自定义音色
podcastgen -i document.md --host-voice "冰糖" --guest-voice "苏打"

# 英文播客使用英文音色
podcastgen -i document.md --language en --host-voice "Alison" --guest-voice "Adam"

# 使用音色复刻（通过音频样本克隆声音）
podcastgen -i document.md --host-voice-sample ./host_voice.mp3 --guest-voice-sample ./guest_voice.wav

# 话题生成 + 音色复刻
podcastgen -t "时间管理的艺术" --host-voice-sample ./my_voice.wav --duration 10

音色复刻 + 风格控制

podcastgen -i document.md --host-voice-sample ./voice.mp3 --tone casual

### 话题生成模式

无需文档，直接根据话题生成播客脚本。适合快速创作知识分享类播客。

```bash
# 基于话题生成播客
podcastgen -t "人工智能在教育领域的应用与挑战"

# 话题 + 双人对话 + 轻松风格
podcastgen -t "职场新人如何快速成长" --mode double --tone casual --duration 15

# 话题 + 联网搜索（获取最新信息）
podcastgen -t "2024年诺贝尔物理学奖解读" --web-search

# 话题 + 英文播客
podcastgen -t "The future of renewable energy" --language en --duration 20

音色复刻

通过传入音频样本文件，精准复刻目标音色。使用 mimo-v2.5-tts-voiceclone 模型。

注意事项：

• 支持 mp3 和 wav 格式
• 文件大小不能超过 10MB
• 建议使用清晰的人声录音（30秒以上效果更佳）

示例：

# 使用音频样本克隆主持人音色
podcastgen -i document.md --host-voice-sample ./my_voice.wav

# 双人播客，两人都使用音色复刻
podcastgen -i document.md --mode double \
    --host-voice-sample ./host_sample.mp3 \
    --guest-voice-sample ./guest_sample.wav

可选音色

类别	音色名称	风格描述
中文女声	冰糖	温柔知性（默认主持人）
中文女声	思悦	活泼亲切
中文女声	晓晓	标准女声
中文女声	晓伊	甜美可爱
中文女声	晓曼	成熟稳重
中文男声	苏打	阳光自然（默认嘉宾）
中文男声	博文	沉稳专业
中文男声	云朗	磁性低沉
中文男声	晓东	年轻活力
中文男声	龙哥	豪迈粗犷
英文女声	Alison	标准美音
英文女声	Anna	英音优雅
英文女声	Jenny	活泼自然
英文男声	Adam	标准美音
英文男声	Josh	年轻随性
英文男声	Ryan	低沉有力

Python API

from podcastgen import PodcastPipeline, load_config

# 使用默认配置
pipeline = PodcastPipeline()

# 基于文档生成播客
result = pipeline.run(
    document="你的文档内容...",
    mode="single",       # single / double
    tone="professional",  # professional / casual / storytelling
    duration_min=10,
    language="zh",
)

print(result["files"]["final"])  # 最终音频路径

# 基于话题生成播客（无需文档）
result = pipeline.run(
    topic="人工智能在教育领域的应用与挑战",
    mode="single",
    tone="casual",
    duration_min=15,
    language="zh",
    web_search=True,      # 启用联网搜索
)

# 完整参数示例
result = pipeline.run(
    document="你的文档内容...",
    mode="double",
    tone="casual",
    duration_min=20,
    language="zh",
    bgm_prompt="lo-fi chillhop",
    voice_volume=1.0,
    bgm_volume=0.3,
    no_bgm=False,
    analyze_only=False,
    host_voice="冰糖",
    guest_voice="苏打",
    host_voice_sample=None,      # 音色样本文件路径，启用音色复刻
    guest_voice_sample=None,
)

# 使用音色复刻
result = pipeline.run(
    document="你的文档内容...",
    mode="single",
    host_voice_sample="./my_voice.wav",  # 通过音频样本克隆声音
)

# 也可以分步调用
analysis = pipeline.analyze(document)
script = pipeline.generate_script(document, analysis)
voice = pipeline.synthesize_voice(script["script"])
bgm = pipeline.generate_bgm("ambient, chill")
mixed = pipeline.mix_audio(voice, bgm)

📁 输出结构

output/podcast_YYYYMMDD_HHMMSS/
├── analysis.json      # 文档分析结果（JSON）
├── script.txt         # 播客脚本
├── voice.wav          # 人声音频
├── bgm.wav            # 背景音乐
├── podcast_final.wav  # 最终混音
└── metadata.json      # 元数据

🔧 API 参考

PodcastPipeline

方法	说明
run(document=None, topic=None, ...)	完整流程：生成脚本 + TTS + BGM + 混音（document/topic 二选一）
analyze(document, options)	分析文档，返回结构化 JSON
generate_script_from_document(document, analysis, options)	基于文档生成完整播客脚本
generate_script_from_topic(topic, options)	基于话题生成播客脚本（无需文档）
synthesize_voice(script_text, progress_cb)	TTS 合成语音
generate_bgm(prompt, duration_sec)	生成背景音乐
mix_audio(voice_data, bgm_data, ...)	混音合成

DocumentAnalyzer

方法	说明
analyze_document(document, options)	分析文档，返回结构化 JSON
generate_full_script(document, analysis, options)	基于文档生成完整播客脚本
generate_podcast_script_from_topic(topic, options)	基于话题生成播客脚本
parse_script_segments(script_text)	解析脚本为角色分段

TTSSynthesizer

方法	说明
synthesize_segment(text, role, style)	合成单段语音
synthesize_segments(segments, progress_callback)	批量合成
save_wav(float_data, path)	保存为 WAV

BGMGenerator

方法	说明
generate_bgm(prompt, duration_sec)	生成背景音乐
loop_bgm(bgm_data, target_duration_sec)	循环延长 BGM
apply_fade(audio_data, fade_in_sec, fade_out_sec)	添加淡入淡出

AudioMixer

方法	说明
mix(voice_data, bgm_data, voice_volume, bgm_volume)	混音
normalize(audio_data)	归一化音量
extract_waveform(audio_data, num_points)	提取波形数据

📋 参数说明

参数	类型	默认值	说明
document	str	None	输入文档内容（与 topic 二选一）
topic	str	None	播客话题描述（与 document 二选一）
mode	str	single	播客模式：single 单人 / double 双人
tone	str	professional	风格：professional / casual / storytelling
duration_min	int	10	目标时长（分钟）
language	str	zh	语言：zh / en
voice_volume	float	1.0	人声音量
bgm_volume	float	0.3	BGM 音量
host_voice	str	冰糖	主持人音色
guest_voice	str	苏打	嘉宾音色（双人模式）
host_voice_sample	str	""	主持人音色样本文件路径（启用音色复刻）
guest_voice_sample	str	""	嘉宾音色样本文件路径（启用音色复刻）
web_search	bool	False	启用联网搜索（仅用于话题模式）
no_bgm	bool	False	不生成 BGM，仅生成人声
analyze_only	bool	False	仅分析文档，不生成音频

📝 License

MIT