Skills Plugins MCP Prompt Model 博客 我的中心
開発 #python #react #api #ai

podcast-generation

Generate AI-powered podcast-style audio narratives using Azure OpenAI's GPT Realtime Mini model via WebSocket. Use when building text-to-speech features, audio narrative generation, podcast creation from content, or integrating with Azure OpenAI Realtime API for real audio output. Covers full-stack implementation from React frontend to Python FastAPI backend with WebSocket streaming.

DeepseekModel キュレーション済みスキル 品質 優秀 · 90 v1.0.0

取得

https://deepseekmodel.com/api/download.php?id=microsoft-skills-github-skills-podcast-generation-skill-md&format=skill
ダウンロード .skill 標準形式。system_prompt と model_config を収録し、任意の Agent で利用可能
.skill ファイルの system_prompt フィールドの実際の内容。
name podcast-generation description Generate AI-powered podcast-style audio narratives using Azure OpenAI's GPT Realtime Mini model via WebSocket. Use when building text-to-speech features, audio narrative generation, podcast creation from content, or integrating with Azure OpenAI Realtime API for real audio output. Covers full-stack implementation from React frontend to Python FastAPI backend with WebSocket streaming. Podcast Generation with GPT Realtime Mini Generate real audio narratives from text content using Azure OpenAI's Realtime API. Quick Start Configure environment variables for Realtime API Connect via WebSocket to Azure OpenAI Realtime endpoint Send text prompt, collect PCM audio chunks + transcript Convert PCM to WAV format Return base64-encoded audio to frontend for playback Environment Configuration AZURE_OPENAI_AUDIO_API_KEY=your_realtime_api_key AZURE_OPENAI_AUDIO_ENDPOINT=https://your-resource.cognitiveservices.azure.com AZURE_OPENAI_AUDIO_DEPLOYMENT=gpt-realtime-mini Note : Endpoint should NOT include /openai/v1/ - just the base URL. Core Workflow Backend Audio Generation from openai import AsyncOpenAI import base64 # Convert HTTPS endpoint to WebSocket URL ws_url = endpoint.replace( "https://" , "wss://" ) + "/openai/v1" client = AsyncOpenAI( websocket_base_url=ws_url, api_key=api_key ) audio_chunks = [] transcript_parts = [] async with client.realtime.connect(model= "gpt-realtime-mini" ) as conn: # Configure for audio-only output await conn.session.update(session={ "output_modalities" : [ "audio" ], "instructions" : "You are a narrator. Speak naturally." }) # Send text to narrate await conn.conversation.item.create(item={ "type" : "message" , "role" : "user" , "content" : [{ "type" : "input_text" , "text" : prompt}] }) await conn.response.create() # Collect streaming events async for event in conn: if event. type == "response.output_audio.delta" : audio_chunks.append(base64.b64decode(event.delta)) elif event. type == "response.output_audio_transcript.delta" : transcript_parts.append(event.delta) elif event. type == "response.done" : break # Convert PCM to WAV (see scripts/pcm_to_wav.py) pcm_audio = b'' .join(audio_chunks) wav_audio = pcm_to_wav(pcm_audio, sample_rate= 24000 ) Frontend Audio Playback // Convert base64 WAV to playable blob const base64ToBlob = ( base64, mimeType ) => { const bytes = atob (base64); const arr = new Uint8Array (bytes. length ); for ( let i = 0 ; i < bytes. length ; i++) arr[i] = bytes. charCodeAt (i); return new Blob ([arr], { type : mimeType }); }; const audioBlob = base64ToBlob (response. audio_data , 'audio/wav' ); const audioUrl = URL . createObjectURL (audioBlob); new Audio (audioUrl). play (); Voice Options Voice Character alloy Neutral echo Warm fable Expressive onyx Deep nova Friendly shimmer Clear Realtime API Events response.output_audio.delta - Base64 audio chunk response.output_audio_transcript.delta - Transcript text response.done - Generation complete error - Handle with event.error.message Audio Format Input : Text prompt Output : PCM audio (24kHz, 16-bit, mono) Storage : Base64-encoded WAV References Full architecture : See references/architecture.md for complete stack design Code examples : See references/code-examples.md for production patterns PCM conversion : Use scripts/pcm_to_wav.py for audio format conversion
このスキルを起動するキーワード。クリックでコピーできます。

このスキルにはトリガーワードがありません。

ダウンロードした .skill に含まれるフィールド。
フィールド 説明
formatフォーマット識別子(skill/v1)
skill_idスキル固有 ID
nameスキル名
versionバージョン
description説明
categoryカテゴリ(配列)
trigger_wordsトリガーワード
tagsタグ
sourceソース
source_urlソース URL(本ページ)
exported_atエクスポート日時(ダウンロード毎)
system_promptシステムプロンプト本文
model_configモデル設定:provider / model / temperature / max_tokens / top_p
examplesサンプル
install_guide各プラットフォームの導入説明(Coze / Dify / Claude / カスタム)
同じスキルを各プラットフォーム形式で出力できます。
.skill 標準形式。system_prompt と model_config を収録し、任意の Agent で利用可能 ダウンロード
.skillpro 拡張形式。scripts / tools / dependencies / hooks を含む ダウンロード
.json 純粋な JSON 出力。system_prompt とモデル設定のみ ダウンロード
Coze frontmatter 付き Markdown。Coze へのインポート用 ダウンロード
Dify Dify DSL。アプリ作成後にそのままインポート ダウンロード

每日精选 Skill 推荐,免费送到你邮箱

输入邮箱,每天接收一个精选 AI Agent 技能推荐。完全免费,持续更新。

提交后我们会发送一封确认邮件,点击邮件里的链接才会开始收信。

完全免费,取消任意时间。我们不会发送垃圾邮件。