podcast-workflow

它为使用 ElevenLabs 制作中文播客的人封装单人朗读、多角色对话、字符级时间戳和分段合并流程。配套指南重点处理中文数字与缩写读法、情绪标签、长稿切块、MP3 合并和 karaoke 字幕同步等常见问题；需要 ElevenLabs 账号与 API 密钥，拼接音频时还需 ffmpeg。

把一个或多个音频、视频交给 Claude Code，通过 Gemini 生成按文件组织的 Markdown 转录，包含语言、时长、说话人、主题、分段时间戳和听不清提示。支持多种常见格式并可并行处理；需要 Gemini API 密钥，输出使用通用说话人编号，不能直接识别真实姓名。

读取保存文章或 RSS，按固定模板写分段脚本，用 Qwen3-TTS 和参考音频生成统一声线，自动补齐章节间静音、制作封面和 HTML 描述，再通过 save-to-spotify 上传并轮询 READY 状态。它依赖 Apple Silicon、Python、ffmpeg 和已认证的 Spotify CLI，可选发布 Cloudflare R2 网页 feed，适合定时无人值守运行。

Audiobookshelf 把个人有声书和播客库集中到自托管服务器中，支持多用户权限、跨设备进度同步、播客搜索与自动下载，以及元数据、封面和每日备份。它可通过网页、PWA 和测试中的移动应用播放内容。媒体目录结构和文件夹命名会影响识别效果，反向代理还必须支持 WebSocket。