核心用法
AI Podcast Creation 是一套基于 inference.sh CLI 的播客生产工具链，整合 Kokoro TTS、DIA TTS、Chatterbox 等多款文本转语音模型，以及 AI 音乐生成与媒体合并工具。用户可通过简洁的 Bash 命令完成从脚本撰写、语音合成、背景音乐生成到最终混音的完整流程。
关键能力：
- 多音色选择：提供美式/英式男女声共 8 种风格化音色，适配主持、嘉宾、旁白等不同角色
- 多角色对话：支持分角色生成音频后交叉淡入淡出合并，模拟真实访谈效果
- 完整工作流：从 Claude 生成脚本 → 分段 TTS → AI 配乐 → 混音输出，实现端到端自动化
- NotebookLM 替代方案：可将长文档转化为双人讨论式播客，自动提取要点并生成对话脚本
典型场景：独立播客制作、有声书章节、音频通讯稿、新闻摘要播报、AI 语音内容批量生产。
显著优点
1. 成本与效率优势：相比传统录音棚或真人配音，显著降低时间与资金成本，支持批量生成
2. 高度可编程：纯 CLI 驱动，易于集成到 CI/CD 或自动化工作流，适合技术型创作者
3. 模块化设计：各环节（TTS、音乐、合并）可独立调用，灵活组合不同模型与参数
4. 音色多样性：覆盖正式、亲切、权威、娱乐等多种风格，满足差异化内容定位
潜在局限与风险
- 情感表达上限：当前 TTS 模型在复杂情感转折、戏剧化演绎方面仍逊于真人配音
- 版权问题：AI 生成音乐的版权归属存在法律灰色地带，商用需谨慎
- 内容审核责任：脚本由 Claude 等 LLM 生成，事实准确性需人工校验，避免误导性信息
- 平台政策风险：部分播客平台对 AI 生成内容有披露要求，需遵守社区准则
适合人群
- 独立创作者与自媒体运营者，追求快速内容迭代
- 技术背景用户，熟悉命令行操作与 JSON 参数配置
- 教育机构、企业内训团队，需批量制作有声材料
- NotebookLM 用户寻求更可控、可定制的开源替代方案
常规风险
- 信息幻觉：LLM 生成的脚本可能包含事实错误，必须人工审核
- 语音一致性：长文本分段生成时，可能出现语速、语气不连贯，需精细剪辑参数
- 技术门槛：依赖 inference.sh 账号与 CLI 环境，非技术用户上手成本较高
- 服务依赖：绑定于 inference.sh 平台，存在 API 稳定性与定价变动风险