一篇文章丢进去，10分钟后出来一集播客！这个字节开源 Skill 有点东西
写完一篇文章，想让它变成一集播客？不用录音，不用找主持搭档，AI 全套帮你搞定。
今天挖到一个超实用的 Skill——podcast-generation，来自字节跳动的开源项目 DeerFlow。只需给一段文字，AI 自动生成两个主持人的自然对话，再配上语音合成，一集 10 分钟左右的播客就出炉了。
它是怎么工作的？
输入任意文章、报告或技术文档，它会先自动写一段 JSON 格式的双人对话脚本——两位主持人（一男一女）用自然口语交替聊天，像真的在录节目一样。对话风格偏轻松，有点朋友闲聊的感觉，不是那种念稿的僵硬朗读。
脚本写好后，调 TTS 接口合成语音，最后混音成 MP3 输出。整个流程一条命令搞定，不用你分步操作。
支持哪些语言和 TTS？
默认支持英文和中文。TTS 引擎可以选火山引擎（Volcengine）或 MiniMax——如果你的环境配了 MiniMax API Key，就自动走 MiniMax，默认用 speech-2.6-hd 模型，音质相当不错。火山引擎端则是 4 并发处理，速度更快。
实际用来做什么？
几个我觉得很搭的场景：
- 把公众号长文转成播客格式，丢进喜马拉雅/小宇宙
- 技术文档让 AI 先”讲”一遍，审核口语化程度
- 把产品更新日志变成双主持对谈，发给团队当内部简报
- 英文内容自动生成双语版本（改一下 locale 就好）
安装和使用
Skill 放在 deer-flow 的公开目录下，通过 Claude Code 安装：
npx skills add https://github.com/bytedance/deer-flow --skill podcast-generation
装好之后，直接说”帮我把这篇文章生成一期播客”，Claude 就会按流程走：写脚本 → 合成语音 → 输出 MP3 + 文字稿。整个过程大概 10 分钟左右（取决于文字量）。
体验下来怎么样？
对话脚本写得很自然，不是那种机械的”甲说乙说”格式，会有自然过渡、提问、反应词，听起来像真的录过。文字稿同时生成，方便后续编辑或配字幕。
唯一需要注意的是 TTS API Key 要提前配好——MiniMax 和火山引擎二选一，不然跑不起来。不过 DeerFlow 本身是字节跳动开源的明星项目（GitHub 82k+ ⭐），背景靠谱，文档也清楚，配起来不算麻烦。
适合做内容运营、AIGC 探索者、以及想把存量文字资产音频化的小伙伴。
GitHub: https://github.com/bytedance/deer-flow/tree/main/skills/public/podcast-generation
评论区
登录后可评论。