零基础教程：打造你的个人AI播客——Whisper+TTS全流程实战

为什么你需要一个AI播客

想象这个场景：你每天通勤路上读长文章、看技术文档、刷新闻——但眼睛已经够累了。如果能把这些文字自动转成播客音频，通勤时听、健身时听、睡前听，信息摄入效率至少翻倍。

本教程带你用OpenAI Whisper（语音转文字）和Edge TTS（文字转语音）搭建一个私人AI播客系统。全程不超过80行代码，零基础也能跟着做。

环境准备

首先安装必要的依赖：

pip install openai-whisper edge-tts pydub ffmpeg-python

⚠️ Whisper首次运行时会自动下载模型文件（约1.5GB），请确保网络畅通。

第一步：文字转语音（核心功能）

创建 `tts_engine.py`，这是我们播客的”嘴巴”：

import asyncio
import edge_tts

async def text_to_speech(text, output_file, voice="zh-CN-XiaoxiaoNeural"):
    """
    将文字转为语音文件
    voice参数可选（中文）:
      zh-CN-XiaoxiaoNeural  — 女声（活泼）
      zh-CN-YunxiNeural     — 男声（沉稳）
      zh-CN-XiaoyiNeural    — 女声（温柔）
      zh-CN-YunjianNeural   — 男声（播报风格）
    """
    communicate = edge_tts.Communicate(text, voice)
    await communicate.save(output_file)
    print(f"[TTS完成] 已保存到 {output_file}")

# 测试
async def main():
    await text_to_speech(
        "欢迎来到LC智趣厅的AI播客。今天我们来聊聊最近大火的达摩院超导AI。",
        "podcast_intro.mp3"
    )

asyncio.run(main())

运行测试：

python3 tts_engine.py

你会得到一个自然流畅的中文语音文件 `podcast_intro.mp3`。

第二步：语音转文字（辅助功能）

创建 `transcriber.py`，这是播客的”耳朵”——当你需要把会议录音、访谈素材转成文字稿时使用：

import whisper

def transcribe_audio(audio_path, model_size="base"):
    """
    语音转文字
    model_size: tiny(最快)/base/medium/large(最准)
    """
    model = whisper.load_model(model_size)
    result = model.transcribe(audio_path, language="zh")
    return result["text"]

# 测试
text = transcribe_audio("meeting_recording.mp3")
print(f"[转写结果] {text[:200]}...")

💡 `base` 模型在中文识别上已经相当准确，`medium` 和 `large` 会更好但更慢。日常使用 `base` 足够了。

第三步：播客生成器（组装）

创建 `podcast_maker.py`，把所有功能串起来：

import asyncio
import edge_tts
import os
from pydub import AudioSegment

class PodcastMaker:
    def __init__(self, voice="zh-CN-YunjianNeural"):
        self.voice = voice  # 默认播报风格男声

    async def _tts(self, text, filename):
        """内部TTS方法"""
        comm = edge_tts.Communicate(text, self.voice)
        await comm.save(filename)

    async def create_episode(self, title, sections, output_file):
        """
        生成一期播客
        title:     播客标题
        sections:  [{"heading": "段落标题", "body": "段落正文"}, ...]
        output_file: 输出文件路径
        """
        temp_files = []

        # 1. 片头
        intro = f"欢迎收听LC智趣厅AI播客。本期主题：{title}。"
        await self._tts(intro, "temp_00.mp3")
        temp_files.append("temp_00.mp3")

        # 2. 逐段生成
        for i, sec in enumerate(sections, 1):
            body_text = f"{sec['heading']}。{sec['body']}"
            filename = f"temp_{i:02d}.mp3"
            await self._tts(body_text, filename)
            temp_files.append(filename)
            print(f"  [{i}/{len(sections)}] {sec['heading']} - 完成")

        # 3. 片尾
        outro = "感谢收听。关注LC智趣厅，我们下期再见。"
        await self._tts(outro, "temp_99.mp3")
        temp_files.append("temp_99.mp3")

        # 4. 合并所有音频
        combined = AudioSegment.empty()
        for tf in temp_files:
            combined += AudioSegment.from_mp3(tf)
            # 段落间加1秒静音
            combined += AudioSegment.silent(duration=1000)

        combined.export(output_file, format="mp3", bitrate="128k")
        print(f"\n[播客生成完成] {output_file}")

        # 5. 清理临时文件
        for tf in temp_files:
            os.remove(tf)


async def main():
    maker = PodcastMaker(voice="zh-CN-YunjianNeural")

    await maker.create_episode(
        title="达摩院AI发现4种全新超导材料",
        sections=[
            {
                "heading": "AI改写材料科学规则",
                "body": "7月3日，阿里达摩院发布了ElementsClaw智能体，一口气预测出6.8万种超导材料。"
                       "过去百年，人类仅发现了两千种。这个AI一天之内把数量提升了三十倍。",
            },
            {
                "heading": "为什么这件事影响深远",
                "body": "超导材料一旦实现室温化，将彻底改变电力传输、量子计算和磁悬浮交通。"
                       "达摩院已将全部数据开源，供全球科学家自由挖掘。",
            },
            {
                "heading": "AI for Science的时代来了",
                "body": "AI不再只是辅助工具，而是正在成为科学发现的第一性原理引擎。"
                       "从预测材料到设计实验，AI正在成为科学家的第二大脑。",
            },
        ],
        output_file="episode_001.mp3",
    )

asyncio.run(main())

运行：

python3 podcast_maker.py

一分钟不到，你就会得到一个完整的播客音频文件 `episode_001.mp3`。

第四步：自动化内容源

想让播客自动更新？加一个内容抓取模块：

import requests

def fetch_news_headlines():
    """从RSS源获取新闻标题"""
    # 示例：使用简单的RSS解析
    import xml.etree.ElementTree as ET
    url = "https://www.ithome.com/rss/"
    resp = requests.get(url)
    root = ET.fromstring(resp.content)

    items = []
    for item in root.iter("item"):
        title = item.find("title").text
        desc = item.find("description").text
        items.append({"heading": title, "body": desc[:200]})
        if len(items) >= 5:
            break
    return items

配合cron定时任务，你可以每天早上8点自动生成一期AI新闻播报。

小结

不到80行核心代码，你拥有了一个完整的AI播客系统：

– ✅ 文字转语音（Edge TTS，免费）

– ✅ 语音转文字（OpenAI Whisper）

– ✅ 自动分段、合并、配乐

– ✅ 可扩展的新闻自动化

**下一步**：试试把 `voice` 换成 `zh-CN-XiaoxiaoNeural`（活泼女声），看看不同的播客风格。或者把几篇公众号文章喂进去，生成一个”文章朗读版”。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn