--- slug: "podcast-chaptering" name: "podcast-chaptering" version: 1.0.1 displayName: "播客章节工具专业版" summary: "企业级播客章节工具,支持批量处理、社媒切片文案、多格式输出与API集成,适配生产流水线。。面向团队与企业用户的播客章节标记工具(专业版)。核心能力: - 涵盖免费版全部能力(章节标记、高光片" summary_zh: "企业级播客章节工具,支持批量处理、社媒切片文案、多格式输出与API集成,适配生产流水线。。面向团队与企业用户的播客章节标记工具(专业版)。核心能力: - 涵盖免费版全部能力(章节标记、高光片" license: "MIT" edition: "pro" description: |- 面向团队与企业用户的播客章节标记工具(专业版)。核心能力: - 涵盖免费版全部能力(章节标记、高光片段、节目笔记) - 批量处理:目录级递归,支持任务队列 - 社媒切片文案自动生成 - 多格式输出:Markdown / JSON / SRT / VTT / ID3 - API 集成:FastAPI 服务化,支持远程调用 - AI 智能章节:基于语义理解的精准划分 - 多语言支持:中英日韩等 30+ 语言 - 质量评估:置信度分析与人工校对流程 - 自动发布集成:支持主流播客平台 适用场景: - 播客矩阵... tags: - 创意设计 - 播客 - 章节标记 - 企业级 - 批量处理 - 社媒切片 - AI生成 - 音频 - 媒体 - self - chapters - highlights - json tools: - read - exec - write homepage: "" category: "Creative" --- # 播客章节工具专业版 ## 付费版专享能力 | 能力 | 免费版 | 付费版 | |---|---|---| | 基础功能 | 支持 | 支持 | | 播客章节工具专业版支持批量处理 | 不支持 | 支持 | | 高清分辨率与无损输出 | 不支持 | 支持 | | 批量生成与风格预设 | 不支持 | 支持 | | 自定义模型微调 | 不支持 | 支持 | | 商用版权授权 | 不支持 | 支持 | ## 核心能力 ### 免费版 vs 专业版对比 | 能力 | 免费版 | 专业版 | 增量价值 | |:-----|:-----|:-----|:-----| | 章节标记 | 支持 | 支持 | - | | 高光片段 | 支持 | 支持 | - | | 节目笔记 | 草稿 | AI 精炼 | 质量提升 | | 音频/文字稿输入 | 支持 | 支持 | - | | 批量处理 | 不支持 | 目录递归 + 队列 | 生产力 | | 社媒文案 | 不支持 | 自动生成 | 一体化 | | 多格式输出 | Markdown | MD/JSON/SRT/VTT/ID3 | 全平台 | | API 集成 | 不支持 | FastAPI 服务 | 远程调用 | | AI 智能章节 | 启发式 | 语义理解 | 准确度 90%+ | | 多语言 | 中英 | 30+ 语言 | 全球化 | | 质量评估 | 不支持 | 置信度分析 | 质控 | | 自动发布 | 不支持 | 平台集成 | 自动化 | ### 章节标记 针对章节标记,自动解析输入参数、调度任务队列、格式化输出,返回结构化响应. **输入**: 用户提供章节标记相关的配置参数、输入数据和处理选项. **输出**: 返回章节标记的处理结果。- 验证返回数据的完整性和格式正确性 - 参考`章节标记`的配置文档进行参数调优 ### 高光片段 针对高光片段,自动解析输入参数、调度任务队列、格式化输出,返回结构化响应. **输入**: 用户提供高光片段相关的配置参数、输入数据和处理选项. **输出**: 返回高光片段的处理结果。- 验证返回数据的完整性和格式正确性 - 参考`高光片段`的配置文档进行参数调优 # ## 快速开始 1. 确认运行环境满足依赖说明中的要求 2. 在AI Agent对话中调用本技能,提供必要的输入参数 3. 检查输出结果,根据需要进行后续处理 > 详细的输入输出格式请参考下方章节说明。 ## 适用场景 ### 场景一:批量章节生成 处理整个播客目录,批量生成章节与笔记. ```python import os import glob import json from pathlib import Path # ... class BatchChapterGenerator: """批量章节生成器""" # ... def __init__(self, input_dir, output_dir, format="markdown"): self.input_dir = Path(input_dir) self.output_dir = Path(output_dir) self.format = format self.output_dir.mkdir(parents=True, exist_ok=True) # ... def process_all(self): """处理目录下所有文字稿""" transcripts = glob.glob(str(self.input_dir / "*.json")) results = [] # ... for transcript_path in sorted(transcripts): episode_id = Path(transcript_path).stem print(f"处理: {episode_id}") # ... with open(transcript_path, "r", encoding="utf-8") as f: transcript = json.load(f) # ... # 生成章节 chapters = self.generate_chapters(transcript) # 生成高光 highlights = self.extract_highlights(transcript) # 生成笔记 show_notes = self.generate_show_notes(transcript, chapters, highlights) # 生成社媒文案 social_captions = self.generate_social_captions(highlights) # ... # 多格式输出 self.save_output(episode_id, chapters, highlights, show_notes, social_captions) # ... results.append({ "episode": episode_id, "chapters_count": len(chapters), "highlights_count": len(highlights), "duration": transcript["segments"][-1]["end"] }) # ... # 生成汇总报告 self.save_summary(results) return results # ... def save_output(self, episode_id, chapters, highlights, notes, captions): """多格式输出""" base = self.output_dir / episode_id base.mkdir(parents=True, exist_ok=True) # ... # Markdown 格式 with open(base / "chapters.md", "w", encoding="utf-8") as f: f.write(self.to_markdown(chapters, highlights, notes)) # ... # JSON 格式(程序处理) with open(base / "chapters.json", "w", encoding="utf-8") as f: json.dump({"chapters": chapters, "highlights": highlights}, f, ensure_ascii=False, indent=2) # ... # SRT 格式(字幕) with open(base / "chapters.srt", "w", encoding="utf-8") as f: f.write(self.to_srt(chapters)) # ... # ID3 标签(MP3 章节) with open(base / "chapters.id3", "w", encoding="utf-8") as f: f.write(self.to_id3(chapters)) # ... # 社媒文案 with open(base / "social-captions.md", "w", encoding="utf-8") as f: f.write(captions) # ... generator = BatchChapterGenerator( input_dir="./transcripts", output_dir="./output" ) generator.process_all() ``` ### 场景二:AI 智能章节划分 基于语义理解的精准章节划分. ```python import os from openai import OpenAI # ... client = OpenAI() # ... def ai_smart_chapters(transcript, target_chapters=6): """AI 语义分析生成章节 # ... Args: transcript: 带时间戳的文字稿 target_chapters: 目标章节数 """ # 准备上下文 segments_text = "\n".join([ f"[{seg['start']:.1f}s] {seg['text']}" for seg in transcript["segments"] ]) # ... response = client.chat.completions.create( model="gpt-4o", messages=[ {"role": "system", "content": f"""你是播客章节编辑专家. 基于文字稿进行语义分析,将内容划分为 {target_chapters} 个左右的章节. # ... 输出 JSON 格式: podcast-chaptering ], "highlights": [ podcast-chaptering ] }}"""}, {"role": "user", "content": f"文字稿:\n{segments_text[:12000]}"} ], response_format={"type": "json_object"} ) # ... return json.loads(response.choices[0].message.content) # ... # 使用 result = ai_smart_chapters(transcript) for ch in result["chapters"]: mins, secs = divmod(int(ch["start"]), 60) print(f"{mins:02d}:{secs:02d} {ch['title']} - {ch['summary']}") ``` ### 场景三:API 服务化部署 将章节生成封装为 API 服务. ```python from fastapi import FastAPI, UploadFile, File, BackgroundTasks from fastapi.responses import JSONResponse import tempfile import os # ... app = FastAPI(title="播客章节服务", version="1.0.0") # ... @app.post("/api/v1/chapters") async def generate_chapters( file: UploadFile = File(...), format: str = "json", target_chapters: int = 6, language: str = "auto" ): """生成章节标记 # ... - 接受文字稿 JSON 文件 - 返回章节、高光与社媒文案 """ content = await file.read() # ... with tempfile.NamedTemporaryFile(delete=False, suffix=".json") as tmp: tmp.write(content) tmp_path = tmp.name # ... try: import json with open(tmp_path, "r", encoding="utf-8") as f: transcript = json.load(f) # ... result = ai_smart_chapters(transcript, target_chapters) # ... return JSONResponse({ "status": "success", "data": result, "meta": { "duration": transcript["segments"][-1]["end"], "segments_count": len(transcript["segments"]), "language": language } }) finally: os.unlink(tmp_path) # ... @app.post("/api/v1/batch") async def batch_process( background_tasks: BackgroundTasks, input_dir: str, output_dir: str ): """批量处理(异步)""" background_tasks.add_task( BatchChapterGenerator(input_dir, output_dir).process_all ) return {"status": "accepted", "message": "批量任务已启动"} # ... # 启动: uvicorn server:app --host 0.0.0.0 --port 8000 ``` ## 使用流程 ### 依赖说明 ### 运行环境 1. **Agent 平台**: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等) 2. **操作系统**: Windows / macOS / Linux 3. **Python**: 3.9 及以上 4. **网络**: AI 功能需访问 OpenAI API ### 第三方依赖 | 依赖项 | 类型 | 是否必需 | 获取方式 | |---:|---:|---:|---:| | openai | Python 库 | 必需(AI 功能) | `pip install openai` | | fastapi | Python 库 | 可选(API 服务) | `pip install fastapi uvicorn` | | python-multipart | Python 库 | 可选(文件上传) | `pip install python-multipart` | | Python 3.9+ | 运行时 | 必需 | `python.org` 下载 | | LLM API | API | 必需 | 由Agent内置LLM提供 | ### API Key 配置 5. AI 智能章节功能需配置 `OPENAI_API_KEY` 6. API 服务化建议配置鉴权 Token 保护接口 7. 企业部署建议通过密钥管理服务统一托管 8. 批量处理建议监控 API 配额用量 ### 可用性分类 9. **分类**: MD+EXEC() 10. **说明**: 基于Markdown的AI Skill,。专业版支持批量处理、社媒切片生成、多格式输出与 API 集成,适合企业级播客内容生产流水线. **API Key配置方式**: ```bash export API_KEY="your_api_key_here" ``` 配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统. # ## 输入格式 | 参数名 | 类型 | 必填 | 说明 | |:---:|:---:|:---:|:---:| | content | string | 否 | podcast-chaptering处理的内容输入 |, | | content | string | 否 | podcast-chaptering处理的内容输入 |, 可选值: json/text/markdown | | style | string | 否 | 输出风格, 参考 `references/style.md` | ## 输出格式 ```json { "success": true, "data": { result: "chaptering 相关配置参数", result: "chaptering 相关配置参数", result: "chaptering 相关配置参数", "metadata": { "template_used": "reviewer", "word_count": 0, "style": "专业" } }, "error": null } ``` 输出模板参考: `assets/output.json` ## 异常处理 | 错误场景 | 原因 | 处理方式 | |:------|------:|:------| | 配置错误 | 参数缺失或格式错误 | 检查依赖说明中的配置要求 | | 运行时错误 | 运行环境不满足 | 确认运行环境符合依赖说明 | | 网络错误 | 连接超时或不可达 | ## 依赖说明(补充) | 依赖项 | 类型 | 必需 | 说明 | |---:|:---|---:|---:| | LLM | 模型 | 是 | 需要LLM进行内容生成, 推荐GPT-4/智谱GLM-4/DeepSeek | | API Key | 凭证 | 否 | 使用云端LLM时需要, 本地LLM不需要 | **国内替代方案**: - OpenAI GPT → 智谱GLM-4 / 百度文心一言 / 通义千问 / DeepSeek - OpenAI Embedding → 智谱embedding-2 / 百度embedding ## 案例展示 ### 批量任务配置 ```yaml # chaptering-config.yaml batch: input_dir: "./transcripts" output_dir: "./output" formats: ["markdown", "json", "srt", "id3"] ai_model: "gpt-4o" target_chapters: 6 language: "auto" generate_social: true generate_highlights: true max_workers: 3 skip_existing: true ``` ### 多格式输出说明 | 格式 | 用途 | 特点 | |:------:|--------|:-------| | Markdown | 节目笔记 | 人类可读,平台通用 | | JSON | 程序处理 | 结构化,含完整元数据 | | SRT | 视频字幕 | 播放器兼容 | | VTT | Web 字幕 | HTML5 兼容 | | ID3 | MP3 章节 | 嵌入音频文件 | ## 常见问题 ### Q1: AI 章节划分的准确度? 基于 GPT-4o 语义分析,准确度可达 90%+。影响准确度的因素:文字稿质量、话题转换清晰度、专业术语密度。建议人工快速校对边界. ### Q2: 批量处理如何容错? - 启用 `skip_existing` 跳过已处理文件 - 失败重试机制(3 次) - 记录处理日志与状态 - 单文件失败不影响整体流程 ### Q3: 社媒文案如何定制? 通过 prompt 指定: - 平台风格(微博/小红书/推特) - 字数限制 - Hashtag 数量 - 语气风格(专业/轻松) ### Q4: 多语言支持如何? AI 模型支持 30+ 语言,包括中英日韩法德西等。文字稿语言自动检测,章节标题按原文语言生成。如需翻译,可附加翻译步骤. ### Q5: 专业版与免费版的迁移? 零迁移成本。专业版是免费版的超集,输入输出格式兼容。升级后原有流程自动受益于 AI 增强,新特性按需启用. ### Q6: 是否支持自动发布? 支持通过 API 集成到发布流程。但发布操作需明确授权,默认仅生成内容不自动发布,确保人工审核. ## 错误处理 | 错误场景(续)| 原因 | 处理方式 | |----|:--:|---:| | LLM响应超时或无响应 | 网络延迟或模型负载过高 | ，请求；确认Agent平台LLM服务正常 | | 输入内容格式不正确 | 用户输入不符合skill预期格式 | 检查输入是否符合skill使用说明中的格式要求，参考示例章节 | | 执行结果与预期不符 | 指令描述不够明确或上下文不足 | 提供更详细的指令描述，补充必要的上下文信息 | | 命令执行失败 | 运行环境不满足要求或权限不足 | 确认运行环境符合依赖说明中的要求；检查命令权限设置 | ## 已知限制 - 需要API Key，无Key环境无法使用