火山引擎豆包语音播客生成#

基于火山引擎 PodcastTTS API，输入主题文本，AI 自动生成双人对话播客音频（含片头音乐、多轮对话、片尾结束）。

前提条件#

1. Python >= 3.9
2. 安装 websockets>=14.0
3. 火山引擎账号已开通 PodcastTTS 服务

快速开始#

1. 环境变量配置（推荐）#

bash

export VOLC_APPID="your_appid"
export VOLC_ACCESS_TOKEN="your_access_token"
export VOLC_APP_KEY="your_app_key"  # 可选，默认 aGjiRDfUWi

2. 命令行调用#

bash

python scripts/generate_podcast.py "Hermes和OpenClaw怎么选"

3. Python 代码调用#

python

import asyncio
from scripts.generate_podcast import PodcastGenerator

async def main():
    gen = PodcastGenerator(
        appid="3398567544",
        access_token="your_token",
    )
    result = await gen.generate(
        text="今天来聊聊AI编程助手",
        output_dir="./output",
        encoding="mp3",
        use_head_music=True,
    )
    print(result["final_files"])  # 输出音频路径列表

asyncio.run(main())

参数说明#

PodcastGenerator 初始化参数#

参数类型必填默认值说明appidstr是-应用 IDaccess_tokenstr是-Access Tokenapp_keystr否aGjiRDfUWiApp Keyresource_idstr否volc.service_type.10050资源 IDendpointstr否wss://openspeech...WebSocket 端点

generate() 方法参数#

参数类型默认说明textstr必填输入主题文本output_dirstroutput输出目录encodingstrmp3音频格式: mp3/wav/pcmuse_head_musicboolTrue是否加片头音乐use_tail_musicboolFalse是否加片尾音乐only_nlp_textboolFalse只生成文本不生成音频return_audio_urlboolFalse返回音频URL而非流式speaker_infodict{"random_order":False}说话人配置speech_rateint0语速skip_round_audio_saveboolFalse跳过分段保存voice_typestrNone音色类型: zh_male / zh_female / multinormalize_audioboolFalse是否对音频进行音量归一化fade_in_outboolFalse是否添加淡入淡出效果

音色选择 (voice_type)#

值说明None默认，AI 自动分配zh_male中文男声zh_female中文女声multi多人对话模式

返回结果#

python

{
    "success": True,
    "output_dir": "/abs/path/to/output",
    "segment_files": ["output/head_music_-1.mp3", "output/zh_female_0.mp3", ...],
    "final_files": ["output/podcast_final_1234567890.mp3"],
    "duration": 164.51,
    "texts": [
        {"text": "今天这期...", "speaker": "zh_female_mizaitongxue_v2_saturn_bigtts"},
        ...
    ],
    "usage": {"input_text_tokens": 0, "output_audio_tokens": 2800, "total_tokens": 2800}
}

CLI 参数#

bash

python scripts/generate_podcast.py "主题文本" \
    -o ./output \
    -f mp3 \
    --no-head-music \
    --tail-music \
    --only-text \
    --voice-type zh_female \
    --normalize \
    --fade \
    --appid YOUR_APPID \
    --token YOUR_TOKEN \
    -v

技术说明#

• 协议: 自定义二进制 WebSocket 协议（封装在 protocols.py 中）
• 流式下发: 音频以 4~10KB 分片实时流式下发
• 断点续传: 支持从中断轮次自动重试
• 音频合并: 自动合并所有分段为完整音频
• 音频后处理: 支持音量归一化（peak -1dB）和淡入淡出（0.5s）

注意事项#

1. Access Token 需从火山引擎控制台获取
2. 每次调用消耗相应的 audio token
3. 音频采样率固定为 24kHz
4. 对话角色由 AI 自动分配（通常为一男一女双人对话）
5. 音色选择 voice_type 为提示性参数，最终音色由服务端根据内容智能匹配