aliang2052 多人对话播客制作 Skill
触发词
当用户提供多角色对话脚本、播客剧本、访谈内容，并要求"做成声音"、"制作播客"、"配音"时使用。
工作流
第一步：分析对话，分配音色
- 识别对话中的角色数量和各自特点（性格、年龄、语气）
- 列出可用音色：
bl speech synthesize --list-voices --model cosyvoice-v3-flash
- 为每个角色匹配合适的音色：
| 角色类型 | 推荐音色 | 说明 |
|---|---|---|
| 活泼女性 | longanhuan |
欢脱元气女 |
| 沉稳女性 | longxiaoxia_v3 |
沉稳权威女 |
| 知性女性 | longanwen_v3 |
优雅知性女 |
| 磁性男性 | longtian_v3 |
磁性理智男 |
| 温暖男性 | longze_v3 |
温暖元气男 |
| 青年男性 | longcheng_v3 |
智慧青年男 |
- 向用户展示音色方案，确认后继续。
第二步：逐句生成语音
创建临时目录存放分句音频：
mkdir -p {输出目录}/{对话标题}_语音
按对话顺序，为每句生成音频。阿琳用 longanhuan、老陈用 longtian_v3 举例：
# 阿琳第1句
bl speech synthesize \
--text "好了，咱今天就唠唠——AI 这么猛，到底还需要什么样的人才？" \
--voice longanhuan \
--out "{输出目录}/{对话标题}_语音/阿琳_01.mp3"
# 老陈第1句
bl speech synthesize \
--text "我觉得是 T 字型的人。" \
--voice longtian_v3 \
--out "{输出目录}/{对话标题}_语音/老陈_01.mp3"
继续为所有对话逐句生成。命名格式：{角色名}_{序号}.mp3
注意：
- 使用
--model cosyvoice-v3-flash（系统音色默认，可不写） - 如需调整语速/语调，添加
--rate/--pitch参数
第三步：创建 ffmpeg 拼接列表
在语音目录下创建 concat_list.txt，按对话顺序排列：
file '阿琳_01.mp3'
file '老陈_01.mp3'
file '阿琳_02.mp3'
file '老陈_02.mp3'
...
第四步：拼接为完整音频
关键发现：Bailian TTS 虽然输出 .mp3 扩展名，实际格式是 WAV（PCM）。 因此拼接时必须转码：
ffmpeg -y -f concat -safe 0 -i {输出目录}/{对话标题}_语音/concat_list.txt \
-c:a libmp3lame -b:a 192k \
{输出目录}/{对话标题}_完整版.mp3
-y：自动覆盖已存在文件-c:a libmp3lame：转码为真 MP3-b:a 192k：192kbps 音质
第五步：清理与报告
- 删除临时
concat_list.txt - 向用户报告：
- 完整音频路径和时长
- 分句音频目录位置
- 使用的音色方案
输出示例
✅ 播客制作完成！
完整音频：输出/T型人才对话_完整版.mp3
- 时长：68秒
- 格式：MP3, 192kbps, 24kHz
- 大小：1.3MB
音色方案：
阿琳 → longanhuan（欢脱元气女）
老陈 → longtian_v3（磁性理智男）
分句音频：输出/T型人才对话_语音/（13个文件）
进阶：添加片头/片尾音效
如果需要添加背景音乐或音效：
# 片头音频 + 完整对话拼接
ffmpeg -y -f concat -safe 0 \
-i <(printf "file 'intro.mp3'\nfile '完整版.mp3'\nfile 'outro.mp3'\n") \
-c:a libmp3lame -b:a 192k \
{输出目录}/{对话标题}_带片头.mp3
注意事项
- Bailian TTS 不支持在同一条命令中切换音色，必须逐句生成
- 如果对话很长（>20句），可并行生成以提高效率
- 使用
cosyvoice-v3.5-flash模型时（克隆音色），命令中的--model参数必须显式指定