最佳实践 / 🎙️ AI 语音 / 音频 / 数字人
🎧

Open NotebookLM 开源播客生成系统提示词(PDF 转双人对话播客)

Open NotebookLM — Podcast Generation System Prompt (PDF to Two-Host Dialogue)

👤 Gabriel Chua(gabrielchua,fork 自 knowsuchagency/pdf-to-podcast 并重构) 📍 GitHub 开源社区 📅 2024 🎞️ 语音/数字人提示词

「2.6k star 开源 NotebookLM 复刻的生产级播客提示词:6 步工序 + 每句 100 字符 TTS 硬约束 + 两遍自我润色」

工具链

Llama 3.3 70B (Fireworks AI) Instructor (Pydantic 结构化输出) MeloTTS Bark (Suno) Jina Reader Gradio

案例概述

Google NotebookLM 音频概览的开源复刻(Hugging Face Space 在线运行),核心是一条 world-class podcast producer 系统提示词:6 步工序(分析输入→scratchpad 构思→主持人 Jane 与嘉宾双人对话→收尾自然织入要点总结→真实感设计→节奏控制),配 4 组运行时修饰符(问题/语气/时长/语言 13 种)按固定顺序拼装,再走两遍生成工序(初稿 JSON 回填二次润色)。每句对话不超 100 字符的硬约束直接服务下游逐句 TTS(5-8 秒/句),输出用 Pydantic schema 锁死双角色与对话条数(短 11-17 条/中 19-29 条)。已收录全部 5 个提示词/契约文件核心原文。

为什么它是顶尖

  • ✦提示词与工程深度耦合的范本:每句不超100字符不是文风偏好,而是为逐句TTS(5-8秒/句)设计的硬约束;scratchpad构思被显式落进输出schema字段,六步流程每步都有下游消费方
  • ✦完整可复跑的生产工序而非单条提示词:系统提示词+4组修饰符固定顺序拼装+两遍生成(初稿JSON回填+一句固定润色指令)+Pydantic结构化输出契约(短/中时长映射不同对话条数),全链路原文收录
  • ✦真实感设计细节稀缺:口头填充词(um/well/you know)、嘉宾偶尔表达卡顿、主持人真实惊讶时刻、嘉宾论述必须有输入文本支撑禁无据声明,是对话类音频提示词的教科书写法
  • ✦2.6k stars+Hugging Face官方热门Space在线验证可用,Apache-2.0许可,13种语言支持,是NotebookLM播客复刻赛道被引用最多的开源实现之一
🔒

完整工序提示词仅管理员可见

本页为案例简介。完整的逐步提示词、逐镜拆解与可执行工序需管理员账号查看。

管理员登录查看完整内容

原作 / 参考链接

← 返回最佳实践