从链接生成播客

传入文章或 PDF 的链接，应用便会围绕材料撰写和录制两位主持人的对话。Grok 每写完一句就开始配音，整份脚本还没写完，节目就能在几秒内开始播放。

你将学到什么

• 将网页或 PDF 转换为 Grok 的输入，使用 Files API 上传 PDF

• 将脚本作为结构化输出流式生成，每写完一句就开始处理

• 使用文本转语音为每句台词配音，并使用 [laugh] 和 <whisper> 等语音标签控制表达方式

• 通过服务器发送事件（SSE）将进度从 Node 服务器流式传送到网页

运行示例

需要 Node.js 22.13 或更高版本。将 API 密钥放入 .env（位于仓库根目录），或导出环境变量 XAI_API_KEY。

cd examples/podcast-from-a-link/typescript
npm install
npm run web

打开 http://localhost:3000，粘贴或选择一个链接，然后点击 Make episode。页面的用法与播客应用类似：Grok 写出节目标题后，封面会立即显示标题；转录稿逐句呈现对话。前几句录制好后，节目就会开始播放，并高亮正在朗读的台词。点击某句台词或进度条上对应的位置，即可跳到该处。

如需在终端中制作节目，请传入链接或 PDF 文件路径：

npm start -- https://en.wikipedia.org/wiki/Voyager_Golden_Record

节目会保存到 output/，格式为 MP3，同时在同一位置保存 Markdown 转录稿。

工作原理

共享代码位于 src/podcast.ts：

1. readSource() 获取网页并从 HTML 中提取文本。如果来源是 PDF，则使用 client.files.upload() 上传文件，并将文件作为 input_file 传给 Grok。已上传的文件一小时后自动删除。

2. writeScript() 流式读取由以下模型生成的节目：grok-4.7，并将 JSON Schema 放在 text.format 中。JSON 数据到达时，流的 json 事件会送来已生成的脚本；下一句开始时，函数便报告上一句和 Grok 的推理。此处使用较低的推理强度：在默认强度下，Grok 会在输出第一句前先拟完整份脚本，导致首句延迟数分钟。

3. recordLine() 为一句台词配音，调用的是 client.voice.speak()。语音 API 遇到未知语音标签会将其直接念出，因此先通过 SDK 的 stripInvalidSpeechTags() 移除 API 无法识别的标签。

src/server.ts 会在收到每句台词后立即开始录制，同时最多录四句，并将进度以 SSE 发送到网页。public/index.html 使用原生 HTML 和 JavaScript 展示事件，并按顺序播放片段。src/index.ts 在终端中完成相同的工作，并将片段合并为一个 MP3。

这里的提示词保存在 src/podcast.ts 中，让两位主持人都阅读材料，并以平等身份讨论。如果将其中一位设为采访者，Grok 容易写成知识问答：一位几乎只提问，另一位负责陈述事实。提示词还指定每轮发言的长度可以是几个词到一整段，否则每句台词的长度会大致相同。

要更换主持人或声音，请修改 HOSTS，它位于 src/podcast.ts。client.voice.list() 可列出内置声音。