podcast llm

Podcast-LLM: AI-Powered Podcast Generation

ระบบอัจฉริยะที่สร้างการสนทนาพอดคาสต์ที่มีส่วนร่วมโดยอัตโนมัติโดยใช้ LLMS และเทคโนโลยีข้อความเป็นคำพูด

ดูเอกสาร

คุณสมบัติ

• สองโหมดการทำงาน:
  • โหมดการวิจัย: การวิจัยอัตโนมัติและการรวบรวมเนื้อหาโดยใช้ Tavily Search
  • โหมดบริบท: สร้างพอดคาสต์จากวัสดุแหล่งที่มา (URL และไฟล์)
• การสร้างโครงร่างพอดคาสต์แบบไดนามิก
• การเขียนสคริปต์การสนทนาตามธรรมชาติด้วยการถามตอบหลายรอบ
• การสังเคราะห์ข้อความเป็นคำพูดที่มีคุณภาพสูงโดยใช้ Google Cloud หรือ Elevenlabs
• ระบบจุดตรวจสอบเพื่อบันทึกความคืบหน้าและการสร้างกลับมาทำงาน
• เสียงที่กำหนดค่าได้และการตั้งค่าเสียง
• Gradio UI

ตัวอย่าง

ฟังพอดคาสต์ตัวอย่างที่สร้างขึ้นโดยใช้ Podcast-LLM:

เอาต์พุต JSON ที่มีโครงสร้างจาก LLMS (Google Multispeaker Voices)

การดึง UFO Crash (Elevenlabs Voices)

ดาวคงที่ Behenian (Google Multispeaker Voices)

ภาพรวม Podcast-LLM (Google Multispeaker Voices)

ระบบอัตโนมัติกระบวนการหุ่นยนต์ (Google Voices)

เว็บอินเตอร์เฟส

การติดตั้ง

1. ติดตั้งโดยใช้ PIP:

   pip install podcast-llm

2. ตั้งค่าตัวแปรสภาพแวดล้อมใน .env :

    OPENAI_API_KEY=your_openai_key
   GOOGLE_API_KEY=your_google_key 
   ELEVENLABS_API_KEY=your_elevenlabs_key
   TAVILY_API_KEY=your_tavily_key
   ANTHROPIC_API_KEY=your_anthropic_api_key
   

การใช้งาน

1. สร้างพอดคาสต์เกี่ยวกับหัวข้อ:

    # Research mode (default) - automatically researches the topic
   podcast-llm " Artificial Intelligence "
   
   # Context mode - uses provided sources
   podcast-llm " Machine Learning " --mode context --sources paper.pdf https://example.com/article

2. ตัวเลือก:

    # Customize number of Q&A rounds per section
   podcast-llm " Linux " --qa-rounds 3
   
   # Disable checkpointing
   podcast-llm " Space Exploration " --checkpoint false
   
   # Generate audio output
   podcast-llm " Quantum Computing " --audio-output podcast.mp3
   
   # Generate Markdown output
   podcast-llm " Machine Learning " --text-output podcast.md

3. ปรับแต่งเสียงและการตั้งค่าอื่น ๆ ใน config/config.yaml

4. เปิดตัวเว็บอินเตอร์เฟส Gradio:

    # Start the web UI
   podcast-llm-gui

   สิ่งนี้จะเปิดตัวเว็บอินเตอร์เฟสที่ใช้งานง่ายซึ่งคุณสามารถทำได้:

   • ป้อนหัวข้อพอดคาสต์
   • เลือกระหว่างโหมดการวิจัยและบริบท
   • อัปโหลดไฟล์ต้นฉบับและ URL สำหรับโหมดบริบท
   • กำหนดค่ารอบถาม - ตอบและจุดตรวจสอบ
   • ระบุเส้นทางเอาต์พุตสำหรับข้อความและเสียง
   • ตรวจสอบความคืบหน้าในการสร้างแบบเรียลไทม์

ใบอนุญาต

โครงการนี้ได้รับใบอนุญาตภายใต้ Creative Commons Attribution-Noncommercial 4.0 International (CC BY-NC 4.0)

ซึ่งหมายความว่าคุณมีอิสระที่จะ:

• แบ่งปัน: คัดลอกและแจกจ่ายวัสดุในสื่อหรือรูปแบบใด ๆ
• Adapt: ​​Remix, Transform และสร้างบนวัสดุ

ภายใต้ข้อกำหนดต่อไปนี้:

• แหล่งที่มา: คุณต้องให้เครดิตที่เหมาะสมให้ลิงก์ไปยังใบอนุญาตและระบุว่ามีการเปลี่ยนแปลงใด ๆ
• ไม่ใช่เชิงพาณิชย์: คุณไม่สามารถใช้วัสดุเพื่อวัตถุประสงค์ทางการค้า
• ไม่มีข้อ จำกัด เพิ่มเติม: คุณไม่สามารถใช้ข้อกำหนดทางกฎหมายหรือมาตรการทางเทคโนโลยีที่ จำกัด ผู้อื่นอย่างถูกกฎหมายจากการทำอะไรใบอนุญาตใบอนุญาต

สำหรับการใช้งานเชิงพาณิชย์กรุณาติดต่อ [email protected] เพื่อรับใบอนุญาตเชิงพาณิชย์

ข้อความใบอนุญาตเต็มสามารถพบได้ที่: https://creativeCommons.org/licenses/by-nc/4.0/legalcode

กิตติกรรมประกาศ

โครงการนี้ได้รับแรงบันดาลใจจาก PodcastFy ซึ่งเป็นกรอบสำหรับการสร้างพอดคาสต์โดยใช้ LLMS

การใช้งานนี้แตกต่างกันไปโดยอัตโนมัติโดยอัตโนมัติกระบวนการวิจัยและการรวบรวมเนื้อหาทำให้สามารถสร้างพอดคาสต์แบบอิสระได้อย่างเต็มที่เกี่ยวกับหัวข้อใด ๆ โดยไม่ต้องใช้การวิจัยด้วยตนเองหรือการจัดการเนื้อหา