一个基于MiniMax API的AI播客自动生成工具，可以根据话题、网址或PDF文档自动生成高质量的双人播客内容。
- ✅ 前后端分离: React (localhost:3000) + Flask (localhost:5001)
- ✅ 流式生成: SSE实时推送，边生成边播放
- ✅ 并行处理: 内容解析、音色克隆、语音合成并行执行
- ✅ Airbnb风格UI: 现代化、简洁、响应式设计
- ✅ 完整追溯: 所有API调用的Trace ID可追踪
- ✅ 自定义音色: 支持音频文件上传进行音色克隆
- ✅ 内容输入: 支持话题、网址链接、PDF文档三种输入方式
- ✅ 音色定制: 支持使用默认音色或自定义音色（录音/上传音频）
- ✅ 智能生成: 自动生成自然流畅的双人对话脚本
- ✅ 语音合成: 流式合成高质量播客音频
- ✅ 封面生成: 自动生成漫画风格的播客封面图
- ✅ 实时播放: 边生成边播放，提供流畅体验
- ✅ 可追溯: 显示所有API调用的Trace ID
- ✅ 下载分享: 支持下载播客音频、封面和脚本
- ⏳ 二次编辑能力（修改脚本、更换音色等）
- ⏳ 与播客主持人自由对话
- Python: 3.7+
- Node.js: 14+
- npm: 6+
- ffmpeg: 用于音频处理
项目使用相对路径配置，可适应开发和生产环境：
开发环境：
- 前端通过
package.json的proxy配置自动代理到后端 (http://localhost:5001) - 无需额外配置，开箱即用
生产环境：
- 通过 Nginx 反向代理
/api到后端服务 - 前端使用相对路径请求，自动适配域名
- 详见 DEPLOYMENT.md
如需自定义 API 地址，可在 frontend/.env 中配置：
# 使用同源（推荐，通过 Nginx 反向代理） REACT_APP_API_URL= # 或指定完整 URL（跨域部署时） # REACT_APP_API_URL=http://your-backend-domain:5001cd /Users/apple/PycharmProjects/ppn/ai_podcast_v2 ./start_all.sh1. 安装后端依赖
pip3 install -r requirements.txt2. 启动后端服务
cd backend python3 app.py3. 安装前端依赖（新终端）
cd frontend npm install4. 启动前端应用
npm start5. 访问应用
选择以下三种方式之一：
- 话题模式: 直接输入想要讨论的话题
- 网址模式: 输入文章或网页链接
- PDF模式: 上传PDF文档
-
默认音色:
- Max（男声）- 稳重专业
- Mini（女声）- 活泼亲切
-
自定义音色:
- 勾选"使用自定义音色"
- 上传音频文件（建议20秒内）
- 或直接录音（自动录制20秒）
点击"开始生成播客"按钮，系统将：
- 解析输入内容
- 播放欢迎音频
- 生成播客脚本（流式显示）
- 合成语音（实时播放）
- 生成播客封面
生成完成后可以：
- 下载完整播客音频
- 下载播客封面图
- 下载播客脚本文本
- 清新简洁的界面设计
- 流畅的动画效果
- 友好的交互体验
- 脚本生成即时显示
- 语音合成边生成边播放
- 无需等待，体验流畅
- 并行处理多个任务
- 减少总体生成时间
- 提高用户体验
- 框架: Flask
- API集成: MiniMax (文本生成、TTS、音色克隆、图像生成)
- 内容解析: BeautifulSoup (网页), PyPDF2 (PDF)
- 纯HTML/CSS/JavaScript: 无需复杂框架
- 响应式设计: 适配各种屏幕尺寸
- 实时通信: Server-Sent Events (SSE)
项目使用两个API密钥：
-
文本模型密钥 (M2-preview-1004)
- 用于生成播客脚本和封面提示词
-
其他服务密钥 (TTS、音色克隆、图像生成)
- 用于语音合成、音色克隆、图像生成
- Mini (女声):
moss_audio_aaa1346a-7ce7-11f0-8e61-2e6e3c7ee85d - Max (男声):
moss_audio_ce44fc67-7ce3-11f0-8de5-96e35d26fb85
-
音频文件要求:
- 自定义音色建议使用20秒以内的清晰音频
- 支持常见音频格式（WAV、MP3等）
-
网页解析:
- 某些网站可能有反爬虫机制
- 建议使用公开可访问的网页
-
PDF解析:
- 支持文本型PDF
- 扫描版PDF可能无法正确解析
-
Voice ID规范:
- 长度范围 [8, 256]
- 首字符必须为英文字母
- 允许数字、字母、-、_
- 末位字符不可为 -、_
- 检查端口5001是否被占用
- 确认Python依赖已正确安装
- 确认音频文件格式正确
- 检查音频时长不超过限制
- 查看trace ID排查具体错误
- 确认URL可以正常访问
- 尝试使用其他网页
- 查看后端日志了解详细错误
- 检查浏览器麦克风权限
- 使用HTTPS协议（或localhost）
- 尝试上传音频文件替代
ai_podcast_v2/ ├── backend/ # Flask 后端 │ ├── app.py # Flask 主服务 │ ├── config.py # 配置管理 │ ├── minimax_client.py # MiniMax API 客户端 │ ├── content_parser.py # 内容解析（网页/PDF） │ ├── voice_manager.py # 音色管理 │ ├── audio_utils.py # 音频处理 │ ├── podcast_generator.py # 播客生成核心 │ ├── uploads/ # 上传文件目录 │ └── outputs/ # 生成文件目录 ├── frontend/ # React 前端 │ ├── public/ │ │ └── index.html │ ├── src/ │ │ ├── components/ │ │ │ ├── PodcastGenerator.js # 核心组件 │ │ │ └── PodcastGenerator.css │ │ ├── App.js │ │ ├── App.css │ │ ├── index.js │ │ └── index.css │ └── package.json ├── PRD.md # 产品需求文档 ├── DEPLOYMENT.md # 部署指南 ├── requirements.txt # Python 依赖 ├── start_all.sh # 一键启动脚本 └── README.md # 项目说明 - 支持更多语音合成选项（语速、音调、情感等）
- 添加播客模板（不同风格的对话模式）
- 支持多人播客（3人或更多）
- 添加背景音乐混音功能
- 支持视频播客生成
- 云端部署版本
本项目仅供学习和研究使用。
- MiniMax - 提供强大的AI能力
- Flask - Web框架
- BeautifulSoup - 网页解析
- PyPDF2 - PDF解析
欢迎加入微信交流群，与其他开发者一起讨论 AI 播客技术：
扫码加入微信交流群
💡 如有问题或建议，欢迎反馈！