Skip to content

About

Vollautomatisierter Podcast-Generator: Erstellt komplette Episoden (Audio & Video) basierend auf User-Themen oder aktuellen Google Trends. Nutzt Gemini AI für Skripte, Google TTS für Sprache, Freesound für Musik und FFmpeg für das Rendering.

Topics

Resources

Contributing

Stars

2 stars

Watchers

0 watching

Forks

Latest commit

 

History

169 Commits

Folders and files

Repository files navigation

Podcast Generator

Schnellstart (für neue Nutzer)

  1. Voraussetzungen prüfen
    • Python 3.12+ und ffmpeg (inkl. ffprobe) im PATH
  2. Setup ausführen
    • ./setup.sh
  3. Podcast erzeugen
    • ./run.sh "Dein Thema"
    • leer lassen, um Trends automatisch zu verwenden

Ausgaben findest du in PODCAST_OUTPUT_DIR. Audio, optionales Video, Transkript und Metadaten liegen dort.

Hinweis für Windows

  • run.sh/setup.sh am besten in Git Bash oder WSL ausführen
  • ffmpeg manuell installieren und PATH setzen
  • alternativ podcast_generator.py direkt mit Python starten

Zweck

  • Erstellt automatisch kurze Wissens-Podcasts.
  • Enthalten: Audio, optionales Standbild-Video, Skript, TTS-Voice, Hintergrundmusik und Metadaten.
  • Nutzt aktuelle Trends (Google Trends) für Themenanreicherung.
  • Verwendet Gemini für Skript- und Voice-Generierung.
  • Nutzt Freesound für lizenzfreie Musik-Snippets.

Architektur & Ablauf

  1. run.sh "<Thema>"
    • Lädt .env.
    • Prüft Pflicht-Variablen.
    • Bereinigt Arbeitsordner.
    • Aktiviert venv und startet podcast_generator.py.
  2. setup.sh
    • Optionaler Helfer.
    • Prüft .env, FFmpeg und Python.
    • Installiert Requirements.
  3. podcast_generator.py
    • Trends: holt Top-Query via Google Trends (pytrends) mit Fokus DACH (DE/AT/CH). Fällt bei Fehlschlag auf statisches Thema zurück.
    • Skript: Gemini-Textmodell generiert deutschen Sprechtext. Säubert Formatierung, entfernt Regie-/Sound-Anweisungen, speichert Transkript.
    • Stimme: Gemini TTS (gemini-2.5-pro-preview-tts, Stimme konfigurierbar) generiert Audio in Chunks. Fügt per pydub zusammen.
    • Musik: sucht Freesound nach „podcast background topic instrumental“. Fällt auf „lofi study loop“ zurück, sonst Stille.
    • Mixing: Sprachspur mit geloopter Musik unterlegt, Export als MP3. Video mit FFmpeg als Standbild + Audio.
    • Metadaten: JSON + Transkript-Text im Output-Ordner.

Verwendete APIs / Tools

  • Google Gemini (Text + TTS) über google-genai Client.
  • Freesound API für Hintergrundmusik.
  • Google Trends via pytrends.
  • pydub + ffmpeg für Audio, ffmpeg für Video.

Voraussetzungen

  • ffmpeg inkl. ffprobe im PATH (Windows/macOS/Linux)
  • Python 3.12+ empfohlen (wegen audioop)
  • venv wird von run.sh/setup.sh angelegt
  • .env mit allen Pflichtwerten

.env Beispiel (Pflichtfelder + optionale Schalter)

GEMINI_API_KEY=dein_gemini_key
FREESOUND_API_KEY=dein_freesound_key
GOOGLE_APPLICATION_CREDENTIALS=google_cloud_credentials.json

PODCAST_NAME="Mein Podcast"
PODCAST_SLOGAN="Alles, was man wissen muss..."
SCRIPT_DEFAULT_MODEL=gemini-3.1-pro-preview
TTS_DEFAULT_MODEL=gemini-2.5-pro-preview-tts
TTS_FALLBACK_MODELS=gemini-2.5-flash-preview-tts
TTS_VOICE_NAME=umbriel
GENERATE_VIDEO=true
PODCAST_TEMP_DIR=temp_assets
PODCAST_OUTPUT_DIR=finished_episodes
PODCAST_ASSETS_DIR=assets

Nutzung

chmod +x run.sh setup.sh
./setup.sh                            # einmalig, prüft .env/ffmpeg/requirements
./run.sh "Regieassistenz im Theater"  # erzeugt Audio/Video/Transkript/Metadaten
./run.sh --resume "Regieassistenz im Theater"  # setzt einen abgebrochenen Lauf fort
./run.sh --force-restart "Regieassistenz im Theater"  # ignoriert vorhandene Checkpoints

Windows (PowerShell, ohne Bash):

python .\podcast_generator.py

Ausgaben:

  • Audio: <PODCAST_OUTPUT_DIR>/<Thema>.mp3
  • Video (optional): <PODCAST_OUTPUT_DIR>/<Thema>_video.mp4 (falls GENERATE_VIDEO=true und Cover im Assets-Ordner vorhanden)
  • Transkript: <PODCAST_OUTPUT_DIR>/<Thema>_transcription.txt
  • Metadaten: <PODCAST_OUTPUT_DIR>/<Thema>_meta.json
  • Run-Manifest: <PODCAST_OUTPUT_DIR>/<Thema>_run.json

Konfiguration

  • TTS per .env: TTS_DEFAULT_MODEL, TTS_FALLBACK_MODELS, TTS_VOICE_NAME.
  • Video-Schritt optional per .env: GENERATE_VIDEO=true|false (Default: true).
  • Unterbrechungen: Der Generator schreibt einen Checkpoint in temp_assets/ und setzt beim nächsten Start mit gleichem Thema ab bereits abgeschlossenen Schritten fort.
  • Resume-Steuerung: --resume setzt Checkpoints bewusst fort, --force-restart verwirft sie und startet sauber neu.
  • Vor Abschluss prueft eine Output-QA, ob Audio, Metadaten, Transkript und optional das Video wirklich erzeugt wurden.
  • Cover-Bild: assets/cover.png oder assets/cover.jpg.
  • Musik-Query-Fallbacks: zuerst themenbezogen, dann „lofi study loop“, sonst Stille.

Fehlerbehebung

  • Fehler Environment variable ... is required: .env prüfen und Wert setzen.
  • ffmpeg nicht gefunden: ffmpeg installieren und PATH prüfen. Danach setup.sh erneut ausführen.
  • FFmpeg-Fehler bei Video-Erzeugung: Die Ausgabe enthaelt jetzt Exit-Code, Kommando und relevante stderr-Hinweise; meist helfen Cover-/Audio-Pfad und ffmpeg-Installation pruefen.
  • audioop fehlt: run.sh installiert audioop-lts über requirements. Sicherstellen, dass Python 3.12+ genutzt wird.

Dependency-Automatisierung

Renovate erstellt geplante Dependency-Update-PRs. GitHub Dependabot Security Alerts bleibt für Sicherheitsmeldungen zuständig.

Entwickler-Onboarding (Contributor)

Repository vorbereiten

  1. Abhängigkeiten installieren
    • ./setup.sh (legt venv an, installiert Requirements)
  2. Tests ausführen
    • ./ci.sh

Wichtige Ordner

  • assets/ – Cover und optionale Hintergrundloops
  • temp_assets/ – temporäre Arbeitsdateien (wird bei Runs genutzt)
  • finished_episodes/ – finale Outputs
  • tests/ – Unit-Tests

Entwicklungs-Workflow

  • Kleine, gezielte Änderungen bevorzugen
  • Keine Secrets in Code/Logs schreiben
  • Pfade unter PODCAST_* beibehalten
  • Keine Regie-/Sound-Anweisungen ins Skript

Häufige Stolpersteine

  • ffmpeg/ffprobe fehlt → Audio-Export schlägt fehl
  • pytrends 404/429 → RSS-Fallback nutzen (bereits implementiert)
  • Google Cloud TTS benötigt gültige GOOGLE_APPLICATION_CREDENTIALS

Hinweise für Agents / Copilot

Siehe AGENTS.md für Leitplanken, Arbeitsweise und Qualitätssicherung.

About

Vollautomatisierter Podcast-Generator: Erstellt komplette Episoden (Audio & Video) basierend auf User-Themen oder aktuellen Google Trends. Nutzt Gemini AI für Skripte, Google TTS für Sprache, Freesound für Musik und FFmpeg für das Rendering.

Topics

Resources

Contributing

Stars

2 stars

Watchers

0 watching

Forks

Releases

Packages

Used by

Contributors

Languages