PodCastLM

将 PDF / URL 转成播客对话，支持多路 TTS 与本地 Whisper 转写。代码位于 PodCastLM/ 目录。

完整说明请见 PodCastLM/README.md，下方是精简版。

示例

• demo.mp4
• audio demo
• 在线体验：⚡️ PodCastLM

功能

• PDF 上传或 URL 抓取（Jina）生成播客脚本、摘要与节目简介。
• 多路 TTS：FishAudio、Azure Speech、Qwen3 TTS；前端可切换主持人/嘉宾音色。
• 本地 Whisper 转写：前端上传音频，或 CLI 批量转写并导出时间戳文本。
• 流式响应：对话、摘要、信息均以流式返回，前端实时渲染。

快速开始

后端

cd PodCastLM/backend
cp .env.example .env  # 填写下方环境变量
python -m venv .venv && source .venv/bin/activate
pip install -r requirements-local.txt
uvicorn main:app --reload --host 0.0.0.0 --port 8000

关键环境变量：

• BAILIAN_API_KEY 或 QWEN_API_KEY：Qwen LLM 及 Qwen3 TTS（Fireworks 失效时兜底）。
• FIREWORKS_API_KEY（可选）：启用 Llama 3.1 405B（可改 FIREWORKS_MODEL_ID）。
• SPEECH_KEY / SPEECH_REGION：Azure TTS。
• FISHAUDIO_KEY：FishAudio TTS。
• JINA_KEY：URL 抓取，默认值可用但建议替换。
• WHISPER_MODEL_NAME：Whisper 模型名，默认 small。
• 其他可选：DASHSCOPE_LLM_MODEL_ID、DASHSCOPE_TEMPERATURE。

前端

cd PodCastLM/frontend
cp .env.template .env
# 推荐填写
# VITE_HOST_URL=http://localhost:8000
# VITE_BASE_URL=http://localhost:8000/api/v1/chat
pnpm install
pnpm dev --host

本地转写 CLI

cd PodCastLM
PYTHONPATH=backend WHISPER_MODEL_NAME=base \
python scripts/local_transcribe.py path/to/audio.m4a --output-file tmp/result.txt

主要接口（后端）

• POST /api/v1/chat/generate_transcript：生成播客对话（流式 JSON）。
• POST /api/v1/chat/summarize：生成摘要（流式）。
• POST /api/v1/chat/pod_info：生成节目简介与要点。
• POST /api/v1/chat/transcribe_audio：上传音频并用本地 Whisper 转写。
• POST /api/v1/chat/generate_audio + GET /api/v1/chat/audio_status/{task_id}：生成并查询音频。
• GET /api/v1/chat/speekers：获取可选音色列表。

贡献与致谢

• 初始作者与贡献者：@YOYZHANG
• 赞助者：@JiongXin、@Terry Zhang
• 欢迎提 Issue / PR，若有帮助请 ⭐️ 支持。