🎙️ AI 播客

粘贴文稿，自动合成双人播客音频。基于 Microsoft Edge TTS，完全免费。

功能

• 📄 文稿导入 — 粘贴 Markdown 播客脚本，自动解析主持人对话，合成音频
• 🎭 双人音色 — 6 种中文语音（晓晓、晓依、晓辰、云希、云健、云扬），男女自由搭配
• 👥 多主持人 — 不限主持人数，点击「检测」自动识别文稿中所有主持人，也可手动添加/移除
• 🌍 全音色库 — 内置 322 个 Edge TTS 音色，覆盖 142 种语言/地区，搜索、筛选、一键选用
• 🎚️ 声音调节 — 每位主持人独立调节语速（0.5x ~ 2.0x）、语调（-20 ~ +20Hz）、音量（50% ~ 100%）滑块实时预览
• 💾 状态保存 — 文稿、配置自动保存到浏览器本地，刷新不丢失；支持手动保存
• 🎨 四套主题 — 暗黑 / 亮白 / 魅紫 / 岩灰，一键切换，偏好自动记忆
• 📁 文件上传 — 支持 .md / .txt 文件拖入或上传，自动识别主持人名字
• 🎧 分段播放 — 逐段播放、上下切换、进度拖拽、自动连播，带动态频谱动画
• 📝 文稿预览 — 解析后的对话稿同步展示，主持人区分颜色
• 🔗 音频文稿联动 — 播放音频时，文稿中当前段落自动紫色高亮并滚动到可见区域
• ⛶ 放大模式 — 输出面板一键全屏展开，浏览长文稿更方便
• 🤖 AI 生成（可选）— 接入 DeepSeek API，输入主题自动生成播客对话稿

技术栈

层	技术
后端	Node.js + Express
语音合成	Microsoft Edge TTS（免费，通过 edge-tts Python 库）
AI 文稿	DeepSeek API（可选，不配置也能用文稿导入模式）
前端	原生 HTML/CSS/JS，零框架依赖
包管理	pnpm (Node.js) + uv (Python)
持久化	localStorage（文稿、配置、主题偏好）

快速开始

# 1. 克隆仓库
git clone https://github.com/Simon404Error/ai-podcast.git
cd ai-podcast

# 2. 安装 Node.js 依赖
pnpm install

# 3. 安装 Edge TTS（需要 Python 3.8+）
uv sync

# 4.（可选）配置 AI 生成功能
cp .env.example .env
# 编辑 .env，填入 DeepSeek API Key

# 5. 启动服务
node server.js

浏览器打开 http://localhost:3000 即可使用。

使用指南

方式一：导入文稿（默认，无需 API Key）

1. 将播客脚本粘贴到左侧文本框，或点击「导入」上传 .md / .txt 文件
2. 在右侧「音色配置」中确认主持人名字（需与文稿中一致）
3. 选择各自的音色，拖动滑块调节语速 / 语调 / 音量
4. 点击「生成音频」
5. 切换到「音频播放」标签页，点击播放收听
6. 点击 ⛶ 可将输出面板全屏展开
7. 播放时切换到「文稿预览」可看到当前段落实时高亮
8. 点击右上角色块切换界面主题，点击 💾 手动保存

文稿和所有配置在修改后自动保存，刷新页面也不会丢失。

方式二：AI 生成（需要 DeepSeek API Key）

1. 点击右上角「AI 生成」切换模式
2. 输入文章内容或 URL
3. 配置主持人风格和音色
4. 点击「AI 生成播客」
5. AI 自动生成对话稿并合成音频

声音参数说明

参数	范围	默认值	说明
语速	0.50x ~ 2.00x	1.05x	修改播放速度
语调	-20 ~ +20 Hz	0	音调高低，正值更尖细，负值更低沉
音量	50% ~ 100%	100%	输出音量，可单独降低某位主持人

文稿格式

支持标准的「主持人名：对话内容」格式：

小竹：哈喽大家好，欢迎收听今天的播客。
溪溪老师：大家好，我是溪溪老师。
小竹：今天我们来聊聊人工智能对教育的影响。
溪溪老师：这个话题很有意义。

也支持带 emoji 前缀（🎙️、🎓）和 Markdown 元数据行，程序会自动跳过。

音色列表

中文语音（Edge TTS）

代号	名称	性别	风格
xiaoxiao	晓晓	女	温柔自然
xiaoyi	晓依	女	活泼明亮
xiaochen	晓辰	女	沉稳知性
yunxi	云希	男	深邃成熟
yunjian	云健	男	自然亲和
yunyang	云扬	男	播音风格

英文语音

代号	名称	性别
female	Jenny	女
male	Guy	男

API 接口

方法	路径	说明
GET	/api/status	服务状态
GET	/api/voices	可用音色列表
GET	/api/all-voices	全音色库 (322 音色, 142 语言)
POST	/api/parse-script	解析文稿，返回对话分段
POST	/api/parse-and-generate	解析文稿并合成音频（支持语速/语调/音量）
POST	/api/detect-speakers	检测文稿中所有主持人
POST	/api/generate-full	AI 生成文稿 + 合成音频（需要 API Key）

项目结构

ai-podcast/
├── server.js              # Express 后端
├── package.json
├── pyproject.toml         # Python 依赖（uv 管理）
├── pnpm-lock.yaml
├── README.md
├── .env.example           # API Key 配置模板
├── public/
│   ├── index.html         # 前端界面
│   ├── style.css          # 样式（含四套主题变量）
│   ├── app.js             # 前端逻辑 + 音频播放器 + 持久化
│   └── audio/             # 生成的音频文件（gitignore）
└── .gitignore

License

MIT