这个 Skill 能做什么，适合哪些场景？
该技能指导开发者使用 Azure OpenAI GPT Realtime Mini，通过 WebSocket 从文本生成播客风格的音频叙事。它覆盖从 React 前端到 Python FastAPI 后端的完整实现流程。后端接收 PCM 音频块和转录文本，将 PCM 转为 WAV，再以 Base64 返回前端播放。适合需要真实音频输出的文本转语音和内容播客场景。
读取文本提示，连接 Azure OpenAI Realtime WebSocket 端点，发送音频生成请求，收集 response.output_audio.delta 音频事件和 response.output_audio_transcript.delta 转录事件，在 response.done 时结束；将 24kHz、16 位、单声道 PCM 音频转换为 WAV，并以 Base64 编码返回；前端将 Base64 WAV 转为 Blob 和对象 URL后播放。
- 需要把文章或其他文本内容制作成播客式音频的内容开发者。
- 正在 React 前端和 Python FastAPI 后端中加入文本转语音功能的全栈开发者。
- 需要通过 Azure OpenAI Realtime API 实现 WebSocket 流式音频生成的工程团队。
- 需要同时保留生成音频及其实时转录文本的应用。
如何安装这个 Skill？
- 示例会把内容发送到 Azure OpenAI，但未定义敏感数据筛查、用户同意、日志脱敏或数据保留策略。
- voice_name 参数在示例接口中暴露，却未用于 Realtime 会话配置；style、source_type 和空内容缺少明确校验。
- Azure endpoint、模型名、SDK API 和事件名称未在该技能内固定版本或提供官方兼容性验证；中国大陆网络可达性和区域可用性未说明。
- 示例将完整 Base64 WAV 存入数据库，可能造成存储膨胀，且未提供取消、超时后的清理或失败回滚策略。
- 网络访问
PythonFastAPIReactOpenAI Python SDKAzure OpenAI Realtime API
在项目中运行 npx skills add microsoft/skills，在安装向导中选择 podcast-generation。技能会安装到所选 Agent 的目录，例如 GitHub Copilot 使用 .github/skills/。README 未提供该单个技能的独立安装命令。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/microsoft/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/.github/skills/podcast-generation" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
配置 AZURE_OPENAI_AUDIO_API_KEY、AZURE_OPENAI_AUDIO_ENDPOINT 和 AZURE_OPENAI_AUDIO_DEPLOYMENT=gpt-realtime-mini。Endpoint 只填写基础地址，不要包含 /openai/v1/。可用触发提示：为我的文本转语音功能设计一个 React + FastAPI 的 Azure OpenAI Realtime 音频生成实现。 按技能流程连接 WebSocket、收集音频和转录、转换为 WAV，并在前端播放。
这个 Skill 有哪些优点和局限？
- 提供从后端生成到前端播放的完整 React + FastAPI 示例流程。
- 明确列出环境变量、WebSocket 地址转换、Realtime API 事件和音频格式。
- 包含六种声音选项及 PCM 转 WAV 的参考脚本。
- README 的测试覆盖摘要显示该技能有 8 个测试场景。
- 依赖 Azure OpenAI Realtime API、GPT Realtime Mini 和可用的网络连接。
- 未提供定价、配额、身份认证替代方案或部署配置说明。
- 示例依赖 Python、FastAPI、React 和 OpenAI Python SDK，但未给出完整项目依赖安装清单。
- 技能说明聚焦音频生成流程，未证明对其他 Agent 平台的专用集成能力。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| Azure Realtime 播客生成 本页 ✓ Microsoft · 官方 | 39 · 不推荐 | ★ 2.7k | 3 个月前 | MIT |
| Azure AI 服务技能 ✓ Microsoft · 官方 | 49 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
| Speech 语音生成 ✓ OpenAI · 官方 | 48 · 谨慎使用 | ★ 28k | 4 个月前 | — |
| 9Router 文字转语音（9Router TTS） | 46 · 谨慎使用 | ★ 31k | 17 天前 | MIT |
| Azure Voice Live .NET 技能 ✓ Microsoft · 官方 | 46 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
FollowSkills 如何评估这个 Skill？
证据显示使用环境变量承载 Azure API 密钥，并通过 WebSocket 调用外部 Azure 服务；但未说明最小权限、用户确认、敏感内容出站披露、访问控制、配额、防滥用、删除或回滚机制。未见明确红线风险，因此保留基础分，但因数据流和恢复控制不完整扣分。
证据提供了端到端示例、错误事件处理和 PCM 转 WAV 脚本；但未提供针对该技能的测试或可复现实例，且 voice_name 未实际传入会话配置，style/source_type 缺少严格校验，空数据、配置错误和数据库失败处理不足。按静态校准不超过10分，并因关键路径不完整扣分。
证据明确面向 React、FastAPI 和 Azure OpenAI Realtime API 的播客/音频叙事场景，输入输出和主要事件有说明；但未定义不适用范围、触发边界、浏览器兼容性、部署前提或中文语音/中文内容效果，也依赖 Azure 服务可达性，故仅给中等分。
证据包含快速开始、环境变量、架构、代码示例、事件和音频格式说明，且仓库提供 MIT 许可证、官方组织来源和通用 CI 信号；但技能没有依赖安装说明、版本锁定、变更记录、维护责任、故障排查、已知限制或 FAQ，部分引用文件也未展示完整生产约束，因此扣分。
证据提供了从文本到 PCM、WAV、Base64、后端响应和前端播放的可直接参考模式，能够覆盖核心概念；但示例仍需较多工程补全，包括依赖和路由集成、鉴权、输入校验、错误恢复、持久化策略、voice_name 实现和生产安全控制，因此静态评估下接近但不超过7分。
证据是可审计的固定源文件，包含实现代码、脚本和仓库级工作流；但提供的测试主要覆盖通用 Copilot harness，并未覆盖 podcast-generation 的关键路径，也没有第三方运行结果或独立交叉验证。静态校准下给有限可验证性。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →