geração-de-podcast

Habilidade de Geração de Podcast

Visão Geral

Esta habilidade gera áudio de podcast de alta qualidade a partir de conteúdo textual. O fluxo de trabalho inclui a criação de um roteiro JSON estruturado (diálogo conversacional) e a execução da geração de áudio por meio de síntese de fala.

Capacidades Principais

• Converter qualquer conteúdo textual (artigos, relatórios, documentação) em roteiros de podcast
• Gerar diálogo conversacional natural entre dois apresentadores (masculino e feminino)
• Sintetizar áudio de fala usando texto-para-fala
• Mixar segmentos de áudio em um arquivo MP3 final do podcast
• Suportar conteúdo em inglês e chinês

Fluxo de Trabalho

Etapa 1: Entender os Requisitos

Quando um usuário solicitar a geração de um podcast, identifique:

• Conteúdo de origem: O texto/artigo/relatório a ser convertido em podcast
• Idioma: Inglês ou chinês (com base no conteúdo)
• Local de saída: Onde salvar o podcast gerado
• Você não precisa verificar a pasta em /mnt/user-data

Etapa 2: Criar Roteiro JSON Estruturado

Gere um arquivo de roteiro JSON estruturado em /mnt/user-data/workspace/ com o padrão de nomenclatura: {nome-descritivo}-script.json

A estrutura JSON:

{
  "locale": "en",
  "lines": [
    {"speaker": "male", "paragraph": "texto do diálogo"},
    {"speaker": "female", "paragraph": "texto do diálogo"}
  ]
}

Etapa 3: Executar a Geração

Chame o script Python:

python /mnt/skills/public/podcast-generation/scripts/generate.py \
  --script-file /mnt/user-data/workspace/arquivo-roteiro.json \
  --output-file /mnt/user-data/outputs/podcast-gerado.mp3 \
  --transcript-file /mnt/user-data/outputs/podcast-gerado-transcricao.md

Parâmetros:

• --script-file: Caminho absoluto para o arquivo JSON do roteiro (obrigatório)
• --output-file: Caminho absoluto para o arquivo MP3 de saída (obrigatório)
• --transcript-file: Caminho absoluto para o arquivo de transcrição em markdown (opcional, mas recomendado)

[!IMPORTANT]

• Execute o script em uma única chamada completa. NÃO divida o fluxo de trabalho em etapas separadas.
• O script lida com todas as chamadas de API TTS e geração de áudio internamente.
• NÃO leia o arquivo Python, apenas chame-o com os parâmetros.
• Sempre inclua --transcript-file para gerar uma transcrição legível para o usuário.
• O provedor TTS e sua concorrência são selecionados automaticamente a partir de variáveis de ambiente — você não os escolhe nem os ajusta.

Formato do Roteiro JSON

O arquivo JSON do roteiro deve seguir esta estrutura:

{
  "title": "A História da Inteligência Artificial",
  "locale": "en",
  "lines": [
    {"speaker": "male", "paragraph": "Olá Deer! Bem-vindos de volta a mais um episódio."},
    {"speaker": "female", "paragraph": "Olá a todos! Hoje temos um tópico empolgante para discutir."},
    {"speaker": "male", "paragraph": "Isso mesmo! Vamos falar sobre..."}
  ]
}

Campos:

• title: Título do episódio do podcast (opcional, usado como cabeçalho na transcrição)
• locale: Código do idioma - "en" para inglês ou "zh" para chinês
• lines: Matriz de linhas de diálogo
  • speaker: "male" (masculino) ou "female" (feminino)
  • paragraph: O texto do diálogo para este apresentador

Diretrizes para Escrita do Roteiro

Ao criar o roteiro JSON, siga estas diretrizes:

Requisitos de Formato

• Apenas dois apresentadores: masculino e feminino, alternando naturalmente
• Duração alvo: aproximadamente 10 minutos de diálogo (cerca de 40-60 linhas)
• Comece com o apresentador masculino dizendo uma saudação que inclua "Hello Deer"

Tom e Estilo

• Diálogo natural e conversacional - como dois amigos conversando
• Use expressões casuais e transições conversacionais
• Evite linguagem excessivamente formal ou tom acadêmico
• Inclua reações, perguntas de acompanhamento e interjeições naturais

Diretrizes de Conteúdo

• Troca frequente entre os apresentadores
• Mantenha frases curtas e fáceis de acompanhar quando faladas
• Apenas texto simples - sem formatação markdown na saída
• Traduza conceitos técnicos para uma linguagem acessível
• Sem fórmulas matemáticas, código ou notação complexa
• Torne o conteúdo envolvente e acessível para ouvintes apenas de áudio
• Exclua informações meta como datas, nomes de autores ou estrutura do documento

Exemplo de Geração de Podcast

Solicitação do usuário: "Gere um podcast sobre a história da inteligência artificial"

Etapa 1: Crie o arquivo de roteiro /mnt/user-data/workspace/ia-historia-script.json:

{
  "title": "A História da Inteligência Artificial",
  "locale": "en",
  "lines": [
    {"speaker": "male", "paragraph": "Olá Deer! Bem-vindos de volta a mais um episódio fascinante. Hoje vamos mergulhar em algo que está literalmente moldando nosso futuro - a história da inteligência artificial."},
    {"speaker": "female", "paragraph": "Ah, eu adoro esse tópico! Sabe, a IA parece tão moderna, mas na verdade tem raízes que remontam a mais de setenta anos."},
    {"speaker": "male", "paragraph": "Exatamente! Tudo começou nos anos 1950. O termo inteligência artificial foi cunhado por John McCarthy em 1956 em uma famosa conferência em Dartmouth."},
    {"speaker": "female", "paragraph": "Espera, eles já estavam pensando em máquinas que poderiam pensar naquela época? Isso é incrível!"},
    {"speaker": "male", "paragraph": "Né? Os primeiros pioneiros eram tão otimistas. Achavam que teríamos IA a nível humano dentro de uma geração."},
    {"speaker": "female", "paragraph": "Mas as coisas não saíram exatamente como planejado, não é?"},
    {"speaker": "male", "paragraph": "Não, de jeito nenhum. Os anos 1970 trouxeram o que é chamado de primeiro inverno da IA..."}
  ]
}

Etapa 2: Execute a geração:

python /mnt/skills/public/podcast-generation/scripts/generate.py \
  --script-file /mnt/user-data/workspace/ia-historia-script.json \
  --output-file /mnt/user-data/outputs/ia-historia-podcast.mp3 \
  --transcript-file /mnt/user-data/outputs/ia-historia-transcricao.md

Isso gerará:

• ia-historia-podcast.mp3: O arquivo de áudio do podcast
• ia-historia-transcricao.md: Uma transcrição em markdown legível do podcast

Modelos Específicos

Leia o seguinte arquivo de modelo somente quando corresponder à solicitação do usuário.

• Explicador Técnico - Para converter documentação técnica e tutoriais

Formato de Saída

O podcast gerado segue o formato "Hello Deer":

• Dois apresentadores: um masculino, um feminino
• Diálogo natural e conversacional
• Começa com a saudação "Hello Deer"
• Duração alvo: aproximadamente 10 minutos
• Apresentadores alternados para um fluxo envolvente

Tratamento da Saída

Após a geração:

• Podcasts e transcrições são salvos em /mnt/user-data/outputs/
• Compartilhe tanto o MP3 do podcast quanto a transcrição MD com o usuário usando a ferramenta present_files
• Forneça uma breve descrição do resultado da geração (tópico, duração, apresentadores)
• Ofereça-se para regenerar se forem necessários ajustes

Requisitos

As seguintes variáveis de ambiente devem estar definidas:

• Para Volcengine: VOLCENGINE_TTS_APPID e VOLCENGINE_TTS_ACCESS_TOKEN
• Para MiniMax: MINIMAX_API_KEY
• VOLCENGINE_TTS_CLUSTER: Cluster TTS Volcengine (opcional, padrão para "volcano_tts")

Notas

• Sempre execute o pipeline completo em uma única chamada - não há necessidade de testar etapas individuais ou se preocupar com timeouts
• O JSON do roteiro deve corresponder ao idioma do conteúdo (en ou zh)
• Conteúdo técnico deve ser simplificado para acessibilidade de áudio no roteiro
• Notações complexas (fórmulas, código) devem ser traduzidas para linguagem simples no roteiro
• Conteúdo longo pode resultar em podcasts mais longos

Provedores (Volcengine / MiniMax)

Selecionados automaticamente por variáveis de ambiente:

• VOLCENGINE_TTS_APPID + VOLCENGINE_TTS_ACCESS_TOKEN definidos → TTS Volcengine (padrão).
• Apenas MINIMAX_API_KEY definida → TTS MiniMax (/v1/t2a_v2).
• Forçar com PODCAST_GENERATION_PROVIDER=volcengine|minimax.

Substituições para MiniMax: MINIMAX_API_HOST (padrão https://api.minimaxi.com), MINIMAX_TTS_MODEL (padrão speech-2.6-hd), MINIMAX_TTS_VOICE_MALE (padrão male-qn-qingse), MINIMAX_TTS_VOICE_FEMALE (padrão female-tianmei).

A concorrência é gerenciada internamente por cada provedor — MiniMax executa em thread única para reduzir falhas de limite de taxa, Volcengine usa 4 workers. Não há botão de concorrência visível para o chamador; limites de taxa transitórios são tratados por nova tentativa automática com backoff.