MiniMax Flow - 播客文章转音频工具

这是一个Python脚本项目，用于将包含对话的播客文章转换为音频。该工具会自动提取文章中的对话，调用MiniMax的T2A V2接口生成每句对话的音频，然后将所有音频合并成一个完整的音频文件。

代码由Cursor生成，感谢AI提高效率

功能特点

• 自动提取播客文章中的对话内容
• 支持为不同说话人配置不同的声音
• 调用MiniMax的T2A V2接口生成高质量音频
• 自动合并所有对话音频为一个完整的音频文件

安装依赖

pip install requests pydub

配置

在使用前，请编辑config.json文件，填入您的MiniMax API密钥和其他必要信息：

{
    "api_key": "your_api_key_here",
    "group_id": "your_group_id_here",
    "base_url": "https://api.minimaxi.com/v1/t2a_v2",
    "temp_dir": "temp_audio",
    "model": "speech-02-hd",
    "default_voice": "male-qn-qingse",
    "speed": 1,
    "vol": 1,
    "pitch": 0,
    "sample_rate": 32000,
    "bitrate": 128000,
    "voice_map": {
        "主持人": "female-shaonv",
        "嘉宾A": "male-qn-qingse",
        "嘉宾B": "male-zh-yinse"
    }
}

配置说明

• api_key: MiniMax API密钥
• group_id: MiniMax组ID
• base_url: MiniMax T2A V2 API的基础URL
• temp_dir: 临时音频文件存储目录
• model: 使用的模型，推荐使用最新的speech-02-hd或speech-02-turbo
• default_voice: 默认声音ID
• speed: 语速，默认为1.0
• vol: 音量，默认为1.0
• pitch: 音调，默认为0.0
• sample_rate: 采样率，默认为32000
• bitrate: 比特率，默认为128000
• voice_map: 说话人到声音ID的映射

使用方法

python main.py --input 示例.txt --output 输出音频.mp3 --config config.json

参数说明

• --input, -i: 输入的播客文章文件路径（必需）
• --output, -o: 输出的音频文件路径（必需）
• --config, -c: 配置文件路径（可选，默认为config.json）

播客文章格式要求

播客文章中的对话应该遵循以下格式：

说话人A：这是说话人A的对话内容。
说话人B：这是说话人B的对话内容。
说话人A：这是说话人A的另一段对话。

工具会自动提取格式为"说话人：对话内容"的内容。

声音ID参考

MiniMax T2A V2接口支持多种声音，以下是一些常用的声音ID：

• female-shaonv: 少女音色
• male-qn-qingse: 男声-青涩
• male-zh-yinse: 男声-阴色
• female-zh-wenzhong: 女声-温中

最新的speech-02-hd和speech-02-turbo模型支持更多的声音选项和更高质量的音频输出。更多声音ID请参考MiniMax官方文档：https://platform.minimaxi.com/document/%E5%AF%B9%E8%AF%9D

注意事项

• 请确保您有足够的MiniMax API调用额度
• 生成的临时音频文件会在处理完成后自动删除
• 对于较长的播客文章，处理时间可能较长