メニュー
把幻灯片和播客配音合成为一个带字幕的视频，幻灯片随着对话内容自动切换，字幕逐句出现，是播客视频的最后一步。 只要用户说合成视频、生成视频、把幻灯片和音频合在一起、加字幕、做成视频、最后一步，好了合成吧， 或者前面几步都做完了想收尾，就应该触发此技能——即使用户只说"合成"也要触发。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
| name | podcast-video |
| description | 把幻灯片和播客配音合成为一个带字幕的视频，幻灯片随着对话内容自动切换，字幕逐句出现，是播客视频的最后一步。 只要用户说合成视频、生成视频、把幻灯片和音频合在一起、加字幕、做成视频、最后一步，好了合成吧， 或者前面几步都做完了想收尾，就应该触发此技能——即使用户只说"合成"也要触发。 |
| compatibility | Requires ffmpeg, LibreOffice, Python PyMuPDF (pip install pymupdf) |
将 PPTX + 音频 + 脚本合成为 1920×1080 MP4，是播客视频流水线的最后一步。
幻灯片切换的精度取决于上游两步的输出质量：/podcast-script 在每条对话上标注了幻灯片编号，/podcast-voice 以 --sentence-mode 生成了句子级时间戳——两者结合，才能让每张幻灯片在正确的时刻切换、每条字幕在正确的句子出现。
所有产物统一存放在：
<当前工作空间>/podcast-projects/<项目名>/v<N>/final.mp4
<当前工作空间> 是调用此技能时所在的目录。播客视频流水线中的所有技能建议在同一个目录下调用，确保 podcast-projects/ 始终在同一位置。
确定项目： 扫描 podcast-projects/ 目录，找到含 presentation.pptx 和 podcast.mp3 的项目，向用户确认后继续。
自动版本： 读取 <项目名>/current.txt：
final.mp4 已存在于当前版本 → 创建 vN+1/ 目录，复制现有产物，再写入本次视频，更新 current.txtfinal.mp4 不存在 → 直接写入当前版本，成功后更新 current.txt这些依赖缺少任何一个都会导致合成失败，而合成过程可能耗时数分钟，提前验证能节省时间：
presentation.pptx 存在于项目版本目录podcast.mp3 存在于项目版本目录ffmpeg 和 ffprobe 可用：ffmpeg -version && ffprobe -versionlibreoffice 可用：libreoffice --version（用于将 PPTX 转为图片）pymupdf 已安装：python -c "import fitz"若 podcast_durations.json 不存在，不阻断合成，但要告知用户同步质量会降低（见下方同步质量对照表）。
跨文件一致性校验（三者任一不一致立即报警，不进入合成）：
用 python -m markitdown presentation.pptx 提取 PPTX 实际幻灯片数，与以下两个来源对比：
slide-outline.json 中的 meta.total_slidespodcast-script.json 中所有 "slide" 字段的最大值三个数必须相等。不一致时说明上游某步生成有误，告知用户具体差异并指明需要重新运行哪个步骤（幻灯片数少 → 重跑 /slide-deck；脚本 slide 最大值偏小 → 重跑 /podcast-script）。
上游文件的完整性直接决定视频质量：
| 脚本有幻灯片注解 | 时间戳文件 | 幻灯片时序 | 字幕精度 |
|---|---|---|---|
| ✅（sentence-mode） | ✅ 句子级 | 精确 | 逐句精确 |
| ✅ | ✅ 轮次级 | 精确 | 轮次内按字数比例 |
| ❌ | ✅ | 均分（不准） | 轮次精确 |
| ❌ | ❌ | 均分（不准） | 仅按字数估算 |
获得最佳效果的路径：/podcast-script（输出含幻灯片编号注解）+ /podcast-voice --sentence-mode（输出句子级时间戳）→ /podcast-video。
<skill-dir> 是本 SKILL.md 所在的目录，运行前根据实际加载路径替换。
python <skill-dir>/scripts/assemble.py \
--pptx podcast-projects/<项目名>/v<N>/presentation.pptx \
--audio podcast-projects/<项目名>/v<N>/podcast.mp3 \
--output podcast-projects/<项目名>/v<N>/final.mp4 \
--script podcast-projects/<项目名>/v<N>/podcast-script.json \
--timing podcast-projects/<项目名>/v<N>/podcast_durations.json
--script 和 --timing 是可选参数——省略 --script 时不生成字幕；省略 --timing 时字幕按字数比例分配。
| 工具 | Ubuntu/Debian | macOS |
|---|---|---|
| ffmpeg | apt install ffmpeg | brew install ffmpeg |
| libreoffice | apt install libreoffice | brew install --cask libreoffice |
| pymupdf | pip install --break-system-packages pymupdf | pip install pymupdf |
脚本在运行时会检测缺失的依赖并打印安装提示。
合成完成后验证最终产物：
podcast-projects/<项目名>/v<N>/final.mp4 存在podcast.mp3 时长误差 < 2 秒：ffprobe -i final.mp4 -show_entries format=durationffprobe -v error -select_streams v:0 -show_entries stream=width,height -of csv final.mp4podcast_durations.json，验证其所有 duration 之和与 MP3 实际时长误差 < 2 秒——差值过大说明时间戳文件与音频不匹配，视频字幕和幻灯片切换会整体漂移| 缺失情况 | 标准反问 |
|---|---|
无 presentation.pptx | "未找到幻灯片文件，请先运行 /slide-deck，或提供 PPTX 文件路径。" |
无 podcast.mp3 | "未找到音频文件，请先运行 /podcast-voice，或提供 MP3 文件路径。" |
| 无时间戳文件 | "未找到时间戳文件，幻灯片将均分时长，字幕精度会降低。是否仍然继续合成？" |
libreoffice 未安装 | "需要安装 LibreOffice（用于将幻灯片转为图片）：apt install libreoffice（Linux）或 brew install --cask libreoffice（macOS）。" |
| 用户未指定项目 | "请告诉我要合成哪个播客项目，或分别提供 PPTX 和 MP3 的完整路径。" |
当用户想了解本体如何开发和使用时使用本技能。它能够通过 CRM 的实际 DEMO，演示以下 6 项能力：1）自然语言数据查询（无需 SQL）；2）聚合统计分析；3）字段歧义智能消歧；4）非结构化文本转对象和跨表视图的创建；5）数据操作（周报生成→信息抽取→客户录入→商机任务创建）；6）非结构化本体的文档融合检索。你可以通过以下对话唤起本技能：「给我演示一下」「本体能做什么」「怎么创建对象和视图」「结构化和非结构化怎么融合」「帮我查一下客户数据」。
当你想让 Agent 查询或操作你自己定义的业务数据（而不是系统内置数据）时使用本技能。它能够帮你用自然语言定义一张新的数据表，并基于这张表开发出本体对象，设定字段和字段含义，数据自动存入专属 数据表；还能创建跨表视图，让 Agent 同时查询多个对象。定义完成后挂载到当前数字员工，Agent 就能直接查询和操作你的数据了。你可以通过以下对话唤起本技能：「帮我创建一个任务管理对象」「我想建一个拜访记录表，包含客户名、拜访日期、跟进结果」「查看我有哪些本体对象」「把任务对象挂载到我的助理」。
当你有文档、图片、视频等非结构化内容存在知识库里，想让 Agent 能像查结构化数据一样精准检索和操作它们时使用本技能。它能够帮你给非结构化内容打上结构化标签（定义字段，如日期、主题、参会人），让每份文档/图片/视频都带有可查询的属性，实现结构化数据与非结构化内容的融合检索。定义的标签字段相当于表的字段，支持新增、修改、删除操作。与结构化本体的区别在于：内容本身存在知识库里，而不是动态表。你可以通过以下对话唤起本技能：「帮我创建一个会议纪要对象，绑定到我的会议知识库」「我的周报存在知识库里，想让 Agent 能按日期和项目名检索」「查看我的知识库有哪些」「把会议纪要对象挂载到我的助理」。
把任意内容（网页链接、文章、关键词）整理成一份结构化的播客视频大纲，是制作播客视频的第一步， 后续的幻灯片和对话脚本都从这份大纲生成，保证两者内容一致。 只要用户想制作播客视频、把文章变成视频、做一期播客、先规划内容结构， 或者说"做个大纲"、"做播客"、"把这篇文章做成播客"，就必须触发此技能—— 即使用户没有提到"大纲"，只要目标是制作播客视频就要触发。
根据播客大纲生成双人对话脚本（主持人和嘉宾），对话自然流畅，每句话都标注对应的幻灯片编号， 方便后续配音和视频同步。也可以直接从关键词或文章生成对话脚本。 只要用户想写播客脚本、生成对话、把内容做成两个人聊天的形式、帮我写播客、做播客对白， 就应该触发此技能——即使用户只说"写个脚本"或"把这个做成对话"也要触发。
用火山引擎（豆包）语音合成将播客对话脚本转成双声道音频，主持人和嘉宾各用一个声音， 同时生成精确到每个句子的时间信息，供视频合成使用。 只要用户想给脚本配音、生成播客音频、把对话变成声音、生成语音、脚本转音频， 或者正在做播客视频需要录音，就应该触发此技能——即使用户只说"配音"或"生成音频"也要触发。