三剪客 · 播客全自动生产
## ⚠️ 先申请你自己的 API Key
本 Skill 不内嵌任何密钥,也不代付费用。 请到
算力集市 api.a7w.cn 注册并创建你自己的 API Key
(新用户有赠送点数,可以先免费试跑几次)。
拿到后填进环境变量A7W_API_KEY,或直接传给--key参数。
请勿使用他人提供的 Key —— 用量与费用都记在 Key 所属账号上。
能做什么
给一个主题,一条链路产出一期可发布的播客:
outline → script → voice → music → mix
选题 双人 分角色 片头/转场 mp3 +
提纲 对话稿 配音 /片尾配乐 章节标记 + 时间轴
它替代的是播客生产里最卡人的那一段:不是"录不出来",而是"要先定清楚讲什么、
讲多长、谁在说、说完怎么收"。这四件事定不清楚,录出来就是一期
正确但没人听完的节目。
| 子命令 | 做什么 | 花不花钱 | 产出 |
|---|---|---|---|
outline | 选题 + 提纲 | 一次文本调用(很便宜) | outline.json + outline.md |
script | 双人对话稿(角色 + 语气 + 字数配额) | 一次文本调用 | script.json + script.md |
voice | 分角色配音(两个音色) | 先报价,按千字计费 | voice/*.mp3 + voice/index.json |
music | 片头 / 转场 / 片尾配乐 | 先报价,按次计费 | music/{intro,bed,outro}.mp3 |
mix | 本地拼成 mp3 + 章节标记 + 时间轴 | 零网络零成本 | episode.mp3 + chapters.txt + timeline.md |
all | 串起来跑完整条链路 | 先报价,断点续跑 | 上面全部 |
cost | 只算钱 | 零网络零成本 | 成本表 |
models | 现查在架模型 | 免费 | 模型清单 |
voices | 现查可用音色(拿 reference_id) | 免费 | 音色清单 |
| 你最关心 | 答案 |
|---|---|
| 多少钱 | 配音 50 点/千字(实测)、配乐 65 点/次(实测);1 元 = 100 点。30 分钟一期 ≈ 7950 字 ≈ 398 点配音 + 195 点配乐 ≈ 5.93 元 |
| 要多久 | 实测 8 分钟一期:提纲 5 秒、对话稿 15 秒、5 段配音 45 秒、一段配乐约 90 秒 |
| 要装什么 | 什么都不用装。只用 Python 标准库;mix 需要本机有 ffmpeg(没有会明确降级,见下) |
| 中断了怎么办 | 断点续跑:已完成的配音片段与配乐直接跳过,重跑 0 次调用、0 点(实测 5 段全跳过、0.0 秒);但配音断点按「台词 + 角色」判定、配乐按「风格 + 提示词」判定——台词一改就重配重扣。重跑前先确认台词没变,或先用 cost 核对预估花费 |
| 会瞎编吗 | 提示词里写死了"不许编人名、机构、论文、数据",并用合规闸门兜底 |
| 单角色的稿子能用吗 | 不能。对话稿结构闸门会拦——见「六道硬闸门」 |
六道硬闸门(都是拦截,不是提醒)
命中即标红 + stderr 汇总 + 退出码非 0,可直接进 CI;--json 下走统一信封。
| # | 闸门 | 判定口径 | 退出码 |
|---|---|---|---|
| 1 | 合规 | 广告法违禁词 + 播客口播红线;「最X」按可枚举语境豁免(见下) | 3 |
| 2 | 占位符残留 | {}、[待填]、XXX、此处省略、TODO | 3 |
| 3 | prompt_echo | 去标点相等 / 二元组 Jaccard ≥ 0.75 / 示例覆盖度 ≥ 0.60 | 3 |
| 4 | 对话稿结构 | 恰好两个角色标注 + 交替发言;单角色、无角色标注、某个角色不足 3 句、相邻同角色占比 > 20%,全部拦 | 3 |
| 5 | 时长估算 | 按字数估时长,偏离目标超过 ±25% | 3 |
| 6 | 成本上限 | voice/music/all 跑前必须报价;--yes 或 --budget 二选一,超预算就地中止 | 2 / 5 |
外加一条产出位置闸门:--outdir 指到包内直接 exit=2(包内不许出现音频,
SkillHub 的扩展名白名单只放 .md .py .txt .json .sh .js .yaml .yml .csv)。
为什么第 4 道闸门是本包最值钱的那道
播客与"一篇文章"的分水岭就是两个人在说话。一份单角色的稿子:
字数对、时长对、合规干净、读起来也顺——它在任何一道常规检查里都是合格的,
但它配出来只是朗读,不是播客。发出去才发现形态不对。
所以这道闸门的判定不采信模型自报的结构字段,而是拿正则去读渲染后的成品稿:
**主持人**(平稳):...
**嘉宾**(追问):...
读不出两个角色、或者有"没有角色标注的发言行",一律拦。
依据是本库吃过的亏:标题工坊上一版只信模型自报的 formula 字段,闸门成了假绿。
「最X」的语境豁免
「回头翻一条自己播放量最低的视频」这种话是在描述自己的数据,
不是对商品做绝对化宣称。全库为它定了一条很窄的豁免:
最X前一个字是计量类名词(量 / 率 / 数 / 分 / 位 / 条 / 次 / 段 / 部 / 集 / 页 / 个 / 天 / 月 / 年)- 且
最X后面紧跟「的」或「之」
命中豁免时整处放过,但在产出里登记(gates.compliance.exempted),
报告里会明说"本地放过了 N 处疑似绝对化用语",不静默放过。
句首的「最好 / 最低」不豁免——豁免词表刻意不含 时 / 款 / 种 / 家 / 价,
因为「课时最低的课程」「单价最低」都是真实的价格宣称形态,必须照拦。
prompt_echo:模型会照抄示例
本库实测过两次:提示词里写过正例,模型就产出了几乎一字不差的标题;
其中一次那条还拿了最高分——不是"真的最好",是"抄了标准答案"。
所以本包的提示词里不出现任何一句可直接复制的完整中文句子,
举例只用描述性说明;真实示例登记在 PROMPT_SAMPLES,并由prompt_hygiene 在 --dry-run 时对即将发送的提示词做前置自检。
怎么用(命令行)
# 1) 配 Key(三种方式任选)
export A7W_API_KEY="<你的Key>" # Windows: $env:A7W_API_KEY="<你的Key>"
# 或者 --key <你的Key>,或者 python3 scripts/a7w.py login --key <你的Key>
# 2) 选题与提纲
python3 scripts/run.py outline --topic "AI 剪辑到底省了谁的时间" --minutes 8 \
--outdir D:/podcast/ep01
# 3) 双人对话稿(两个角色 + 交替发言 + 逐章字数配额)
python3 scripts/run.py script --outdir D:/podcast/ep01
# 4) 看音色,拿 reference_id(免费)
python3 scripts/run.py voices
python3 scripts/run.py voices --title-search 解说
# 5) 配音:先报价,确认了再加 --yes(或用 --budget 封顶)
python3 scripts/run.py voice --outdir D:/podcast/ep01 \
--voice-a <音色A的reference_id> --voice-b <音色B的reference_id>
python3 scripts/run.py voice --outdir D:/podcast/ep01 --yes
# 6) 配乐:片头 / 转场 / 片尾
python3 scripts/run.py music --outdir D:/podcast/ep01 --cues intro,bed,outro --budget 200
# 7) 本地混音(需要 ffmpeg):mp3 + 章节标记 + 时间轴
python3 scripts/run.py mix --outdir D:/podcast/ep01
python3 scripts/run.py mix --outdir D:/podcast/ep01 --ffmpeg "C:/ffmpeg/bin/ffmpeg.exe"
# 8) 整条链路(断点续跑,中断了原样重跑即可)
python3 scripts/run.py all --topic "AI 剪辑到底省了谁的时间" --minutes 30 \
--outdir D:/podcast/ep01 --budget 600
# 只算钱,一次调用都不发
python3 scripts/run.py cost --minutes 30 --cues intro,bed,outro
真实端点(都在 api.a7w.cn 上):
| 用途 | 端点 |
|---|---|
| 大模型(提纲 / 对话稿) | POST /api/v1/chat/completions |
| 模型清单 | GET /api/v1/models |
| 配音(同步,≤500 字) | POST /api/v1/apps/voice_tts/tts |
| 配音(异步,长文本) | POST /api/v1/apps/voice_tts/tts_async |
| 音色列表 | POST /api/v1/apps/voice_tts/list_voices |
| 配乐 | POST /api/v1/apps/music_generation/create |
| 歌词 | POST /api/v1/apps/music_generation/lyrics |
| 任务轮询 | GET /api/v1/tasks/<task_id> |
开工前先现查一遍 schema,别照抄记忆:
python3 scripts/a7w.py schema voice_tts
python3 scripts/a7w.py schema music_generation
两条实测确认的接口事实(本包就是踩过才写下来的):
- 配音的音色参数叫
reference_id,不叫voice_id。值是list_voices返回的
id / model_id,32 位十六进制,抄短一位就得到 code=0 任务处理失败。
- 配乐的创建动作叫
create,不叫generate。接口代码里没有generate;
generate 只是 create 的 type 参数的一个取值。
另外两条平台口径:
/chat/completions的成功响应不带code字段;生成应用(配音 / 配乐)
code == 1 才是成功。两者不能互相套用。
- 异步任务的
status在任务data顶层,不在data.result里(平台文档写错了)。
实测原文:data.status = 'completed'、data.result.status = None。
参数说明
通用
| 参数 | 说明 |
|---|---|
--outdir | 产出目录。不许指到包内(指到包内 exit=2),默认 ./podcast-out |
--json | JSON 输出,写在子命令前后都可以;失败走 {"ok":false,"exit":N,"error":{...}} |
--key | 临时指定 API Key(也可用 A7W_API_KEY 或 ~/.a7w/config.json) |
--model | 文本模型名,默认 deepseek-chat;用 models 现查在架名 |
--temperature / --max-tokens | 采样温度(默认 0.7)/ 最大输出 token(默认 8192) |
--dry-run | 只打印将发送的提示词 + 提示词卫生自检,不花钱 |
--chars-per-minute | 语速口径(字/分钟),默认 265。它同时决定提示词配额、时长闸门与成本报价 |
outline
| 参数 | 说明 |
|---|---|
--topic | 主题,一句话说清讲什么(必填) |
--minutes | 目标时长(分钟),默认 30,允许 5~90 |
--audience | 目标听众 |
--brief | 额外要求 |
script
| 参数 | 说明 |
|---|---|
--outline | 提纲文件,默认 <outdir>/outline.json |
--minutes | 覆盖目标时长(默认取提纲各章之和) |
--role-a / --role-b | 两个角色的名字,默认「主持人」「嘉宾」 |
--allow-multi-role | 放宽结构闸门,允许 3 个以上角色(默认只认双人) |
voice
| 参数 | 说明 |
|---|---|
--script | 对话稿(script.json 或 .md),默认 <outdir>/script.json |
--voice-a / --voice-b | 两个角色的音色 reference_id(用 voices 查) |
--speed | 语速(prosody.speed,1.0 为原速) |
--sample-chars | 只配前 N 个字(试链路省钱用;0 = 全部) |
--points-per-1k | 覆盖配音单价(点/千字),默认用实测值 50 |
--yes / --budget | 二者给其一:确认报价 / 预算封顶(点) |
--force | 忽略断点全部重配(会重复扣费) |
music
| 参数 | 说明 |
|---|---|
--cues | 要生成哪些:intro,bed,outro(默认三个都做) |
--style | 覆盖音乐风格描述(默认按档位内置) |
--title | 曲目标题前缀 |
--with-lyrics | 先生成歌词再谱曲(歌词 12 点/次;默认做纯器乐) |
--yes / --budget | 同 voice |
mix
| 参数 | 说明 |
|---|---|
--ffmpeg | ffmpeg 可执行文件路径(默认找 PATH 与 FFMPEG 环境变量) |
--filename | 成片文件名,默认 episode.mp3 |
--intro-seconds / --bed-seconds / --outro-seconds | 片头 / 转场 / 片尾裁剪到多少秒(默认 15 / 6 / 20) |
music_generation/create 的参数表里没有时长参数,生成多长由上游决定,
所以片头 / 转场 / 片尾的长度控制在 mix 阶段用 ffmpeg -t 做。
产出目录长这样
D:/podcast/ep01/
├── outline.json / outline.md 选题与提纲
├── script.json / script.md 双人对话稿(成品稿,闸门读的就是它)
├── voice/ 分角色配音片段 + index.json
├── music/intro.mp3 bed.mp3 … 片头 / 转场 / 片尾配乐
├── podcast-state.json 断点文件(重跑不重复扣费;配音按「台词 + 角色」判定,改台词会重配重扣)
├── episode.mp3 **成片**
├── chapters.txt / chapters.json 章节标记(FFmpeg metadata 格式)
├── timeline.md / playlist.txt 时间轴与拼接清单
└── .mix/ 归一化后的 wav 中间件(可整目录删掉)
音频一律落在包外的 --outdir 里,包内只有文本与脚本。
排错
1. 配音返回 code=0「任务处理失败,请稍后重试」
九成是 reference_id 抄短了。list_voices 返回的 id 是 32 位十六进制
(例:0705a04a4c3f4b65b888d2aa7a4e6b08)。用 run.py voices 重新整条复制。
判断方法:去掉 --voice-a / --voice-b 再跑一次。不指定音色会用平台默认音色,
能成功就说明是音色 ID 的问题,不是文本的问题。
2. 本机没有 ffmpeg,mix 降级
mix 会写出 playlist.txt、chapters.txt、mix-commands.txt(都是文本),
但不产出 mp3,并以 exit=2 明确报错——不假装成功。
装上 ffmpeg 后原样重跑同一条命令即可(断点续跑:台词与配乐提示词没变就不会重复扣配音 / 配乐的钱;台词一改就要重配重扣)。
ffmpeg 不一定要在 PATH 上:--ffmpeg <路径> 或环境变量 FFMPEG 都行。
3. 时长闸门拦下对话稿
[时长] 按 265 字/分钟估,约 3.5 分钟;目标 8.0 分钟,容差 25%(6.0~10.0 分钟)
两种原因,处理方式不同:
- 真的是模型写少了:重跑
script。提示词里已经按章给了「本章不少于 X 字、
不少于 N 条台词」的配额(这个配额就是被这条闸门逼出来的);还是短就换模型,
或把 --max-tokens 调大。
- 语速口径不对:你的节目语速跟 265 字/分钟差得远,用
--chars-per-minute
改成自己的值,闸门与成本报价会一起跟着改。
4. 对话结构闸门报「只有 1 个角色」
模型写了朗读稿。检查 --role-a / --role-b 是否被改成了同一个名字;
重跑一次通常就好。真的要做单人播客,本包不提供绕过开关——
那道闸门就是这个包的立身之本。
5. --outdir 指到了包内
产出音频会让整个 Skill 包在 SkillHub 上 400(白名单只放文本类后缀)。
换到包外目录,例如 %TEMP%\podcast 或 D:/podcast/ep01。
6. 401 / 402 / 404
401:Key 无效或过期,重新到 https://api.a7w.cn/ 领一个。402:点数不足,充值后重试(失败任务平台会退回点数)。404:模型名不对。deepseek-chat这个别名实测可用,但它不在
/api/v1/models 的返回列表里——"列表里没有"不等于"不能用",
也不等于"有价格"。用 run.py models 现查在架名字。
7. 报价和实际扣费不一致
以 usage.points_cost 为准,本包的报价是实测常量:
配音 50 点/千字、配乐 create 65 点/次、歌词 12 点/次。
每次调用后都会把真实扣点打出来,与报价差得明显时会明确标出来
(_report_spend),不会糊过去。
联系我们
- 技术微信:9872659 —— 加好友时说一下是从哪个 Skill 找过来的,直接给你配套的 API Key 与能跑的示例。
- 要算力 / 要 API Key:算力集市 · 注册领 API Key —— 一个 Key 调用全部 AI 算力,注册、充值、创建 Key 都在这里。
- 更多 AI 插件与接口:AI 插件市场。
相关链接
- 算力集市(注册领 Key、充值、控制台):https://api.a7w.cn/
- 配音参数与自己音色的克隆入口:
POST /api/v1/apps/voice_tts/list_voices、
POST /api/v1/apps/voice_tts/clone_voice
- 配乐参数与歌词:
POST /api/v1/apps/music_generation/create、
POST /api/v1/apps/music_generation/lyrics
- 任务查询:
GET /api/v1/tasks/<task_id> - 文档三份:
references/podcast-script-method.md—— 对话稿方法与时长 / 字数换算references/voice-and-music.md—— 音色挑选、配音参数与配乐档位references/cost-and-troubleshooting.md—— 实测单价、报价口径与排错手册
已知取舍(写在这里,免得下次又"优化"回去)
- 文本大模型的单价本包不报。平台
/api/v1/models里没有任何价格字段,
/api/v1/pricing 也不覆盖 chat/completions。想算文本的钱请显式给cost --points-per-ktok N——本包不编单价。
- 「第一」类口径取了限定式写法,与
sanjianke-multiplat-rewrite的裸
第一(?!次) 有意不同:播客是对白稿,「第一、第二」「第一步」是常态,
裸写法一次实测就把整篇误拦了。仍然照拦的是「全国 / 行业 / 销量…第一」
「第一品牌」「排名第一」这类排他性宣称。
- 违禁词表比模板多三个词:
省/划算/实惠。模板词表里有「便宜」
却没有「省」,而「最省钱的一套流程」是口播里最常见的绝对化说法。
加词只会让闸门更严,不放松任何一处判定。
- 无 ffmpeg 时
mix以非零码退出(exit=2),不返回"成功但没文件"。
宁可让 CI 红,也不出一个"看起来跑完了"的假绿。
- 只做双人对话。多人对谈需要
--allow-multi-role显式放宽,
默认拦下——因为"真的有两个角色在交替说话"是这个包唯一无法自动补救的形态要求。