半天时间，我和 AI 一起写了一个播客生成器

事情的起因，是我之前写了一篇 Moon Bridge 的对比文章。

写完发现一个问题——这类技术长文，读者看不完。我想把它做成播客，让通勤的人能听。

于是我拿 NotebookLM 试了一下。确实好用，URL 丢进去，几分钟就生成了一段双人对谈。但问题来了——我改不了格式，换不了声线，也不能把它接到我的自动化流程里。NotebookLM 是个好产品，但它是个黑盒。

那天晚上我在想：这个管线有那么复杂吗？

拆开看，就五步：解析内容 → 生成脚本 → 合成语音 → 渲染视频 → 发布。每一层都有成熟的开源组件，只是没人把它们串起来。

别人的方案，都只解决了一半

市面上不是没有类似的东西。

Remotion 能做视频渲染，但它是个 React 框架，不做内容解析，不处理 TTS。而且商业使用要拿公司授权，对独立开发者不友好。

NotebookLM 是端到端，但你要它改个声线？不行。要它输出可编程的 API？不行。要把管线部署到自己的服务器上？更不行。

我想要的很简单：一条命令进去，一段播客出来，每一步都能换。

所以我没有从零手写。

我让 Hermes（我的 AI 编码助手）帮我搭。给需求、定架构、写范式，然后它负责把代码堆出来。我负责验结果、纠方向、拍板设计。半天时间，MVP 跑通了——URL 丢进去，双主持播客吐出来。

五段式管线，每层都能换

Ingest → Compose → Synthesize → Render → Publish

第一层 Ingest——支持 URL、PDF、Markdown、纯文本。解析引擎不绑定，mineru、marker、paddleocr 随你换。

第二层 Compose——这是唯一需要 LLM 的环节。把文章拆成对话段落，分配角色，生成旁白。用 OpenAI API 也行，本地跑 Ollama 也行。管线不收费，LLM 你自理。

第三层 Synthesize——edge-tts 免费，晓晓和云扬对谈效果意外地自然。想换 Azure Speech？CosyVoice？加一行配置。

第四层 Render——Playwright 截帧 + ffmpeg 合成。不用 Remotion，不用商业授权。HTML 写模板，CSS 调样式，想怎么排版就怎么排版。

第五层 Publish——公众号永久素材库、本地文件、任何你能 curl 的地方。

管线架构

为什么做成 MCP？

不是网页，不是 Electron App。

MediaForge 可以当 CLI 用，也可以挂成 MCP Server。这意味着任何支持 MCP 的 Agent（Hermes、Claude Desktop）都能直接调用它。

你在聊天窗口里说「把这篇论文转成播客」，Agent 调 MediaForge，几分钟后丢回来一个视频链接。

这才是我想象中的自动化——不是点网页按钮，是让代码替你干活。

MCP 架构

到底比 NotebookLM 强在哪

说实话，NotebookLM 的音质比我好。Google 用了更高级的 TTS 模型，声线过渡更自然，节奏控制更精妙。我的版本用 edge-tts，偶尔会有机械尾音。

但 NotebookLM 不能做的事，MediaForge 都能：

• 离线运行
  。飞机上、内网里、没有 Google 账号的地方，照跑。
• 可编程
  。CLI 一行命令，MCP 远程调用，Python API 程序化集成。
• 声线自由
  。想用谁的音色就用谁的，想单口就单口，想三人对谈就三人对谈。
• 风格可控
  。访谈模式、解说模式、甚至未来的 PPT 演讲模式，HTML 模板随便改。
• 完全开源
  。MIT 协议，拿去商用，拿去魔改，不用问我。

NotebookLM 是个漂亮的成品。MediaForge 是一套开放的组件。

NotebookLM vs MediaForge

聊一聊以后

第一期代码量不大，但管线跑通了。视频有两个版本——单人解说版和双主持访谈版，都在 GitHub 的输出目录里。

接下来想做的：

• 更多 TTS 后端。Azure 的高音质，CosyVoice 的本地跑，甚至接个声音克隆。
• 多人对谈。不止两个人，三个角色轮番上，模拟圆桌讨论。
• PPT 转视频。把会议 slides 变成带配音的演讲视频。
• 自动封面生成。不用手动截图，管线自动产封面图。

还有一些我自己也在纠结的问题——比如要不要加字幕，要不要做 Web UI，要不要打包成 Docker 镜像。但现在的状态已经够用了：能把一篇技术文章变成一段播客，而且全离线、可编程、开源。

如果你也想把自己的文章转成播客，GitHub 搜 alitrack/media-forge，MIT 协议，随便用。

公众号：alitrack · GitHub：github.com/alitrack/media-forge