Web3 每日播报 FM

AI 驱动的 Web3 内容生产链路

角色:设计工程师 · 内容体验 · 整体推进与交付

AI 驱动的 Web3 内容生产链路,把热点文章抓取、中文总结与播客脚本生成标准化。

Web3FM 的一期历史节目保留了话题清单、双人脚本和分段音频。听众听到的是连续对话,制作过程却要先处理来源、筛选、解释顺序和说话角色。案例沿着这份产物回看采集与声音制作,也说明网页变化或缓存过期时,编辑判断为什么仍然必要。

双人对话的角色标记,也是声音制作的输入

保存的节目脚本用“小林:”和“钟师傅:”区分发言。这个简单结构同时服务两种工作:编辑时可以检查谁在提问、谁在解释;进入语音处理后,可以按角色和段落组织合成。若角色分隔或文本解析出错,即使每一段声音都成功生成,也可能出现说话人归属不清的问题。

样例目录保留了 dialogue.txt 与多个 segment 文件,使文字与声音之间有可以检查的对应物。现有作品集只试听其中第一段,不能据此宣称整期所有转场和音量都已重新验收。对完整节目,仍需继续听相邻段落的衔接、语速与停顿,尤其是从问题切到回答的位置。

先排话题,再写两位主持人的问答

一篇新闻适合阅读,并不意味着适合直接朗读。节目制作先确定哪些信息值得进入本期,再组织对话顺序,让解释、提问和补充承担不同的角色。随后才进入语音和音频处理。

仓库保留了新闻素材、对话文本与节目简介示例。其中部分示例由人工整理,不能将整个样例链路都归功于自动化。把人工编辑与程序处理分别标清,反而更容易找到真正值得自动化的重复工作。

内容来源会变化,采集链路需要能够恢复

网站选择器变化、RSSHub 超时和返回格式差异,都会直接影响一期节目的素材。项目的修复记录把这些失败分开处理:网站提供选择器修复工具,RSS 增加重试与本地缓存,再通过统一工厂组织不同来源。

采集修复中,直接 RSS 读取失败后可以尝试本地缓存。这解决了临时连接不稳定时完全没有输入的问题,同时也引入一个编辑判断:缓存内容来自什么时间,是否仍然适合本期主题。业务恢复与内容时效是两个不同问题,不能因为成功读到数据就省略后者。

先解决输入,再补齐节目交付

5 月的提交记录把生产链路逐步补全:先处理新闻读取与翻译,再完善音频时长读取,随后扩展对话和语音环节。这种顺序反映了上游内容稳定性对下游制作的影响。

把节目生产拆成可检查、可接手的环节

项目沉淀的是从素材到音频的制作路径,以及面对内容源变化时的恢复方式。脚本、音频和简介各自拥有明确产物,便于人工编辑介入,也便于定位是哪一步影响了节目质量。

联系:drmrzhong@gmail.com