🎙️ Podcast Agent | 科研面对面

English | 中文

---

🇬🇧 English

An end-to-end automated podcast production workflow for academic interviews. Drop in a raw recording → get a broadcast-ready episode with intro, outro, show notes, and social copy — fully automated.

✨ Features

Step	What happens
🎤 Ingest	Audio dropped into inbox folder triggers the pipeline
🗣️ Transcribe	OpenAI Whisper transcribes speech to text
✍️ Edit	Claude cleans filler words, structures segments
🔊 Voice Clone	F5-TTS regenerates host voice for seamless edits
📝 Show Notes	Claude generates episode summary + timestamps
📱 Social Copy	Auto-generates Twitter/WeChat/LinkedIn posts

🛠️ Tech Stack

• Transcription: OpenAI Whisper (local)
• AI Editing: Anthropic Claude
• Voice Synthesis: F5-TTS (local voice cloning)
• Automation: Python pipeline

🚀 Quick Start

git clone https://github.com/Yang1Bai/podcast-agent.git
cd podcast-agent
pip install -r requirements.txt
# Drop audio file into inbox/ and run:
python pipeline.py

📝 License

MIT License

---

🇨🇳 中文

面向学术访谈的端到端自动化播客制作工作流。 投入原始录音 → 全自动生成可发布节目（含片头、片尾、节目介绍和社交文案）。

---

✨ 功能模块

步骤	发生了什么
🎤 录音接入	音频投入收件箱文件夹，自动触发流水线
🔇 音频清理	降噪、去除静音、去除填充词（嗯、啊、那个…）
🗣️ AI 片头	生成个性化中文片头，通过本地 F5-TTS 语音克隆合成
🎵 混音	将片头旁白与《时光闪烁》主题音乐混合，含淡入淡出
📝 节目介绍	Claude 生成结构化中文节目介绍：章节、摘要、金句、社交文案
📲 通知	完成后发送 Telegram 通知，附最终输出路径

---

🚀 快速开始

git clone https://github.com/Yang1Bai/podcast-agent
cd podcast-agent
cp .env.example .env        # 填写你的 API keys
pip3 install -r requirements.txt
brew install ffmpeg

# 处理单集节目
python3 podcast_agent.py edit 采访录音.m4a --guest "张教授" --institution "北京大学" --topic "钙钛矿太阳能电池"

---

📥 收件箱工作流（全自动）

1. 将录音投入 ~/Desktop/播客待处理/
2. 在同目录放一个同名 .txt / .md 文件，包含嘉宾信息
3. 监听程序在 30 秒内自动拾取——无需任何命令
4. 节目就绪后收到 Telegram 通知

# 启动收件箱监听
python3 inbox_watcher.py

---

🗂 项目结构

podcast-agent/
├── podcast_agent.py       # CLI 入口
├── inbox_watcher.py       # 文件触发器（watchdog）
├── modules/
│   ├── audio_editor.py    # 主编辑流水线
│   ├── intro_mixer.py     # 片头 + 主题音乐混合
│   ├── local_tts.py       # F5-TTS 本地语音合成
│   ├── filler_remover.py  # 中文填充词去除
│   ├── show_notes.py      # LLM 节目介绍生成
│   ├── transcriber.py     # Whisper 转录
│   └── voice_generator.py # ElevenLabs TTS（云端备用）
├── assets/
│   ├── intro.mp3          # 主题音乐（时光闪烁）
│   └── outro.mp3
└── voices/                # 本地语音参考音频（gitignore）

---

⚙️ 环境变量

ELEVENLABS_API_KEY=...    # ElevenLabs TTS（云端备用）
ANTHROPIC_API_KEY=...     # Claude 生成节目介绍
OPENAI_API_KEY=...        # Whisper 转录
TELEGRAM_BOT_TOKEN=...    # 完成通知
TELEGRAM_CHAT_ID=...

---

📦 依赖

pip3 install f5-tts openai-whisper anthropic openai elevenlabs pydub python-dotenv watchdog
brew install ffmpeg

---

🌐 项目背景

科研面对面 是一档学术访谈播客节目。本工具旨在消除手动后期制作瓶颈——从原始现场录音到可发布节目，只需数分钟而非数小时。

---

Built with Python · Whisper · F5-TTS · Claude · ffmpeg