podcastfy

Podcastfy 是一个开源 Python 包，利用生成式 AI 将多模态内容转换为对话式音频播客。它被定位为封闭式基于 UI 工具的开源、可编程替代方案，用于研究综合，强调定制化和规模化，而非单一托管界面。 输入和输出 - 接受网站、PDF、图片、YouTube 视频以及用户提供的主题作为源材料。 - 生成多语言音频对话，支持短格式（约 2-5 分钟）和长格式（30 分钟以上）。 - README 展示了从图片、个人网站、长访谈、书籍以及非英语新闻或研究页面生成的示例输出。 使用方式 - 可通过 PyPI 安装为 `podcastfy`；需要 Python 3.11+ 和 ffmpeg 用于音频处理。 - Python 用法为单次调用：从 `podcastfy.client` 导入 `generate_podcast(urls=[...])`。 - 可通过 `python -m podcastfy.client --url ...` 使用 CLI。 - 文档中描述了用于处理基于 URL 请求的测试版 FastAPI/Docker 路径。 定制化和集成 - 可定制对话格式、风格和声音。 - 转录生成可使用来自 OpenAI、Anthropic 和 Google 等提供商的 100 多种 LLM 模型，或本地 LLM（README 提到 156 多种 HuggingFace 模型）以获得更高的隐私性和控制力。 - 文本转语音集成包括 OpenAI、Google、ElevenLabs 和 Microsoft Edge。 - 配置和 API 密钥通过文档化的设置文件处理。 项目状态和生态系统 - 采用 Apache 2.0 许可证，文档位于 Read the Docs，提供 Colab 笔记本、测试和 Docker 发布工作流。 - README 列出了使用 Podcastfy 构建的项目，包括 OpenNotebook、SurfSense、OpenPod、Podcast-llm 和 Hugging Face 演示。 - 声明的用例包括内容创作者将文章转化为音频、教育工作者转换讲座材料、研究人员生成音频摘要，以及无障碍倡导者将书面或视觉内容转化为听觉格式。 此概述仅反映仓库 README 中描述的功能；此处不进行独立基准测试、排名或性能声明。