Audio Content Generator

核心用法

Audio Content Generator 是一个端到端的 AI 音频内容生产工具，集成 Claude 脚本创作与 ElevenLabs 语音合成。用户只需提供主题和时长需求，系统自动完成从文案到成品的全流程：

1. 内容类型识别：自动判断 audiobook（叙事故事）、podcast（对话式播客）、educational（教育讲解）三种模式
2. 智能脚本生成：按 75 词/分钟计算字数，插入语音效果标记（如 [whispers]、[excited]、[long pause]）优化听感
3. 用户确认环节：先生成脚本供预览修改，确认后再调用 TTS，避免 API 浪费
4. 音频输出：通过 ElevenLabs API 生成 MP3，返回 MEDIA token 供用户下载

技术路径：Claude 写脚本 → 格式化（去 markdown、数字转英文、效果标签）→ 调用 sag/scripts/tts.py → ElevenLabs API → /tmp/audio-gen/ 存储

显著优点

• 零门槛创作：无需录音设备、配音演员或音频编辑技能，纯文本输入即可产出专业级音频
• 格式专业化：内置三种成熟的内容结构模板，自动匹配叙事节奏、语调建议和停顿设计
• 成本可控透明：明确标注成本（10 分钟约 $1.43），支持 2-30 分钟灵活时长，适合 MVP 测试和内容迭代
• 工作流闭环：脚本预览 → 修改确认 → 音频生成，避免一次性生成的不可逆风险

潜在缺点与局限性

1. 单一语音限制：仅支持单一声源，无法实现多角色对话或播客访谈形式
2. 无音乐音效：纯人声输出，缺乏背景音乐和音效层，氛围营造依赖文本描述
3. 语言偏向英文：虽然 ElevenLabs 支持多语言，但脚本生成优化为英语结构，中文内容可能出现语调不自然
4. 长度硬性上限：单次最多 30 分钟（约 2250 词），长篇内容需手动分章节
5. 依赖外部 API：ElevenLabs 账户余额和速率限制直接影响可用性，无离线 fallback

适合人群

• 独立创作者：快速验证播客/有声书创意，降低内容试错成本
• 教育工作者：批量生成课程音频、知识点讲解，支持自定义时长适配课堂节奏
• 多平台运营者：将文字内容 repurposing 为音频格式，扩展分发渠道
• 视力障碍辅助：将长文转为可听内容，但需注意效果标签可能干扰屏幕阅读器

常规风险

• API 密钥暴露：ELEVENLABS_API_KEY 需配置在环境变量，共享环境存在泄露风险
• 内容合规性：AI 生成脚本的版权归属、ElevenLabs 声音克隆的授权边界需用户自行把控
• 临时文件安全：音频文件存储于 /tmp/，24 小时自动清理，敏感内容需及时转存
• 成本累积：长内容（30 分钟约 $4.30）和频繁迭代可能产生意外账单，建议设置预算告警

核心用法

audio-gen 是一个纯文档型 AI Skill，旨在将用户的创意快速转化为高质量音频内容。其工作流程分为三步：需求解析→脚本生成→语音合成。

用户只需提供主题、时长（2-30分钟）和内容类型（有声书/播客/教育），系统会自动计算字数（75词/分钟），调用 Claude 撰写符合该格式的脚本，再通过系统内置的 SAG skill 调用 ElevenLabs API 生成 MP3 音频文件。

三种内容格式：

• Audiobook：叙事风格，支持情感标注如 [whispers]、[excited]、[long pause]，强调戏剧张力和感官细节
• Podcast：对话式风格，含开场白、主题过渡、记忆点收尾，适合知识分享与轻松话题
• Educational：阶梯式讲解，用「Explain Like I'm Five」方法拆解复杂概念，配实例与回顾

---

显著优点

| 维度 | 表现 |

|------|------|

| **零代码操作** | 纯自然语言交互，无需任何技术背景 |

| **成本可控** | 10分钟音频约$1.43（Claude $0.075 + ElevenLabs $1.35），明码标价 |

| **生成速度快** | 通常1分钟内完成10分钟音频的全流程 |

| **质量专业** | ElevenLabs eleven_multilingual_v2 模型，音色自然，支持情感标记 |

| **灵活迭代** | 脚本预览→用户确认→生成音频，避免 API 浪费 |

| **安全干净** | 无第三方依赖、无数据外泄、无硬编码密钥 |

---

潜在缺点与局限性

1. 单一声源限制：暂不支持多角色对话或多声部演绎
2. 无背景音乐：纯人声叙事，无音效混音能力
3. 长度天花板：单次上限30分钟（~2,250词），长篇需分章节
4. 语言偏向：内容生成优化英语，其他语言效果依赖 ElevenLabs 本身支持
5. API 成本门槛：需自备 Anthropic + ElevenLabs API Key，无免费额度时无法使用
6. 创意边界：脚本质量取决于 Claude 的即兴创作能力，高度依赖提示清晰度

---

适合人群

• 独立创作者：快速生产播客试播集、有声书样章、知识付费音频
• 教育工作者：将教案转化为可反复播放的音频课程
• 内容营销者：批量生成品牌播客、行业解读音频
• 视障辅助：将文字内容转为语音，但需注意单次长度限制
• AI 工作流探索者：体验「文本→脚本→音频」的端到端自动化

---

常规风险

| 风险类型 | 等级 | 说明 |

|---------|------|------|

| **API 密钥泄露** | 低 | 依赖环境变量读取，无硬编码，但用户需自行保管密钥 |

| **内容版权争议** | 中 | AI 生成脚本的原创性归属存疑，商用建议人工审核 |

| **ElevenLabs 服务依赖** | 中 | 服务商稳定性、定价变动、API 限额均影响可用性 |

| **生成内容偏见** | 低 | Claude 训练数据偏见可能渗入脚本，教育类内容需校验 |

| **误用场景** | 中 | 不适合实时语音交互、转录、多语言混合场景，需引导用户正确期望 |