最近帮朋友整理一档文化类播客的归档页时碰到一个很常见的需求手里有一期录制好的音频要把它做成一个能在线播放、能生成播客订阅地址、最好还带字幕的音频内容页。这期节目正好对应“涂鸦博物馆播客第11期嘉宾 ZEPHYRPT. 1”。如果只是把 MP3 丢到服务器上再用一个audio标签包起来页面确实能放出来但它离“播客”还差得很远没有 RSS Feed就没法被 Apple Podcasts、小宇宙、Spotify 这些播客客户端识别没有字幕用户搜索不到节目里的关键词没有规范的音频编码部分播放器还会出现无法拖动进度条、封面丢失的问题。这篇文章就从“涂鸦博物馆播客第 11 期”这个具体场景出发完整拆解一套音频内容归档与发布方案用 FFmpeg 统一音频编码用 Whisper 生成 SRT 字幕再用 Python 脚本生成 HTML 页面和播客 RSS Feed最后部署到 Nginx 上。整个过程不需要复杂框架依赖少代码可以直接复制到本地跑通。如果你手里也有音频素材想搭一个自己的播客页面或者只是想把散落的音频文件整理成结构化内容库这篇文章会比较适合你。1. 背景与核心概念1.1 这个场景要解决什么问题以“涂鸦博物馆播客第 11 期”为例假设我们拿到的原始素材是一个高码率录音文件可能是 WAV、AIFF也可能是某个录音软件输出的 48kHz 音频。这个文件当前面临的问题是体积大不适合直接放到网页上让用户在线播放编码格式不统一不同播客客户端兼容性差没有封面、标题、作者等元数据信息没有字幕内容无法被搜索引擎索引没有 RSS Feed用户只能打开网页听不能通过播客 App 订阅。所以我们要做的不只是“把音频传上去”而是构建一条稳定的内容发布流水线。1.2 什么是播客 RSS播客之所以能“订阅”核心不是某个 App而是一个符合 RSS 2.0 规范的 XML 文件。这个 XML 文件里描述了播客的名称、简介、封面、分类以及每一期节目的标题、发布时间、音频文件地址、时长、文件大小等信息。普通 RSS 和播客 RSS 的区别在于播客 RSS 需要在item里加入enclosure标签用来声明这一期节目对应的音频文件地址和类型。以 Apple 播客为代表的客户端还会识别xmlns:itunes命名空间下的扩展标签比如itunes:author、itunes:duration、itunes:category。所以只要网站能输出一个正确的feed.xml播客客户端就能通过这个地址拉取节目列表。这也是为什么本文会把“生成 RSS”放在最重要的位置。1.3 为什么需要转码和字幕音频转码不是“为了显得专业”而是为了兼容性。大多数播客客户端对 MP3 的支持最稳定比特率在 96kbps 到 128kbps 之间已经能覆盖语音类节目的清晰度要求。原始录音如果是 WAV 格式一分钟大概 10MB转成 128kbps MP3 后一分钟只有 1MB 左右能明显降低服务器带宽压力。字幕则是近年播客运营中越来越重要的一环。Whisper 可以自动把音频转成带时间轴的 SRT 字幕生成之后可以放在网页上供用户查看也可以提交给平台作为节目文案素材。更重要的是字幕里的文字能被搜索引擎抓取用户搜索节目聊到的关键词时页面就有机会被检索到。2. 环境准备与版本说明2.1 本文使用的工具链下面的方案不依赖特定版本但建议使用当前各工具的最新稳定版。版本号变化较快这里只写思路不写死版本。工具用途环境要求FFmpeg音频转码、添加封面、读取时长Linux / macOS / Windows 均可Whisper语音转文字生成 SRT 字幕Python 3.8建议有 GPU 或使用 small/base 模型Python 3生成 HTML 页面与 RSS FeedPython 3.10Nginx静态文件托管Linux 服务器Whisper 是 OpenAI 开源的语音识别工具不需要 GPU 也能运行只是速度较慢。如果机器配置不高可以使用base或small模型来缩短转写时间如果对中文长音频识别要求较高可以考虑medium甚至large模型。2.2 初始化项目结构建议先创建一个干净的目录结构。下面这个结构后续会反复用到graffiti-museum-podcast/ ├── scripts/ │ ├── build_site.py │ └── transcode.sh ├── templates/ │ ├── episode.html │ └── feed.xml ├── source/ │ └── episode-11-raw.wav ├── episodes/ │ └── 11/ │ ├── metadata.json │ └── episode-11.srt └── dist/ ├── index.html ├── feed.xml └── audio/ └── episode-11.mp3source目录放原始录音episodes目录放每期节目的元数据和字幕文件dist是最终生成的静态网站目录。这样整理的好处是每期节目有独立目录素材和产物分离后面想重新生成或者做多期节目时结构可以平滑扩展。3. 核心原理拆解3.1 FFmpeg 转码关键参数FFmpeg 是本文的核心工具。先来看一个最常用的语音转 MP3 命令ffmpeg -y -i source/episode-11-raw.wav \ -codec:a libmp3lame \ -b:a 128k \ -ar 44100 \ -ac 2 \ episodes/11/episode-11.mp3这条命令的含义是-codec:a libmp3lame使用 LAME 编码器输出 MP3-b:a 128k音频码率设为 128kbps-ar 44100采样率统一为 44100Hz-ac 2声道数设为双声道。如果你的原始音频是单声道录音为了减少体积可以保留-ac 1这样文件会小很多。语音类播客其实单声道也可以接受但双声道更通用。3.2 Whisper 生成 SRT 字幕Whisper 的命令行用法比较直接。假设已经安装好了 whisper可以执行whisper episodes/11/episode-11.mp3 \ --model small \ --language zh \ --task transcribe \ --output_format srt \ --output_dir episodes/11执行之后会生成episodes/11/episode-11.srt文件。SRT 是带时间轴的字幕文本格式结构如下1 00:00:00,000 -- 00:00:04,000 欢迎收听涂鸦博物馆播客 2 00:00:04,000 -- 00:00:08,000 今天我们请到的是嘉宾 ZEPHYR后面我们用 Python 读取这个文件时只需要按行读取把整个内容作为一个字符串放进网页模板即可。3.3 播客 RSS 结构解析一个最简单的播客 RSS 文件长这样?xml version1.0 encodingUTF-8? rss version2.0 xmlns:ituneshttp://www.itunes.com/dtds/podcast-1.0.dtd channel title涂鸦博物馆/title linkhttps://example.com//link languagezh-cn/language description一档关注涂鸦文化与街头艺术的播客节目/description itunes:author涂鸦博物馆/itunes:author itunes:category text艺术/ item title第11期嘉宾 ZEPHYRPT. 1/title linkhttps://example.com/audio/episode-11.mp3/link guid isPermaLinkfalseepisode-11-2025-01-03/guid pubDateFri, 03 Jan 2025 12:00:00 GMT/pubDate description本期节目聊了涂鸦文化、创作经历与城市公共艺术话题。/description enclosure urlhttps://example.com/audio/episode-11.mp3 typeaudio/mpeg length12345678/ itunes:duration01:23:45/itunes:duration /item /channel /rss这里有三个字段最容易填错length音频文件的字节大小不是时长。写错会导致部分播客客户端下载异常。pubDate必须是 RFC 822 格式比如Fri, 03 Jan 2025 12:00:00 GMT。这个时间表示这一期节目的发布时间不是文件生成时间。enclosure url必须是用户可以直接访问的完整 URL不能是相对路径。4. 完整实战案例接下来我们严格按照项目结构从原始音频开始一步步生成最终的播客页面。4.1 使用 FFmpeg 生成标准 MP3先进入项目根目录cd graffiti-museum-podcast假设原始文件是source/episode-11-raw.wav需要把它转成适合播客发布的 MP3并顺手把封面图写进文件元数据。封面图建议准备一张 1400×1400 以上的正方形图片这样能通过大多数播客平台的审核。ffmpeg -y \ -i source/episode-11-raw.wav \ -i source/cover.jpg \ -map 0:a -map 1:v \ -c:v mjpeg \ -id3v2_version 3 \ -metadata title第11期嘉宾 ZEPHYRPT. 1 \ -metadata artist涂鸦博物馆 \ -metadata album涂鸦博物馆播客 \ -codec:a libmp3lame \ -b:a 128k \ -ar 44100 \ -ac 2 \ episodes/11/episode-11.mp3这里多出来的参数作用-map 0:a取第一个输入文件的音频流-map 1:v取第二个输入文件的图片流-c:v mjpeg把封面图按 MJPEG 编码写入 MP3 标签-id3v2_version 3使用 ID3v2.3 标签兼容性更好-metadata写入标题、作者、专辑信息。转码完成后用下面的命令查看文件时长和大小ffprobe -show_entries formatduration,size -of defaultnoprint_wrappers1 episodes/11/episode-11.mp3输出类似duration5025.000000 size80345678size就是后面 RSS 中enclosure标签的length字段值duration则需要转成HH:MM:SS格式后填入itunes:duration。4.2 使用 Whisper 生成字幕文件执行 Whisper 命令whisper episodes/11/episode-11.mp3 \ --model small \ --language zh \ --task transcribe \ --output_format srt \ --output_dir episodes/11等待转写结束后确认episodes/11/episode-11.srt已经生成。如果不确定转写效果可以先用--model base跑一遍速度快很多后续再根据效果决定是否换更大的模型。如果你的音频里有多个说话人并且希望区分说话人目前开源的 Whisper 版本默认不支持自动人声分离可以先用ffmpeg按时间点切割音频再分别转写。但对于大多数归档场景整段转写已经够用。4.3 编写节目元数据创建episodes/11/metadata.json内容如下{ title: 第11期嘉宾 ZEPHYRPT. 1, description: 本期节目聊了涂鸦文化、创作经历与城市公共艺术话题。, audio_filename: episode-11.mp3, audio_url: https://example.com/audio/episode-11.mp3, pub_date: Fri, 03 Jan 2025 12:00:00 GMT, duration: 01:23:45, file_size: 80345678, srt_filename: episode-11.srt }注意几个字段audio_url必须是最终发布后的完整 URL。如果你还没有域名可以先写占位地址部署时再批量替换pub_date建议写实际的节目发布时间不要使用当前时间否则以后做多期节目排序时会出现混乱file_size是从ffprobe得到的实际字节数不同音频文件大小不同不能照抄示例值。4.4 编写 Python 脚本生成页面与 RSS在scripts/build_site.py中写入以下代码import json import shutil from pathlib import Path from xml.sax.saxutils import escape ROOT Path(__file__).resolve().parent.parent EPISODE_DIR ROOT / episodes / 11 DIST_DIR ROOT / dist AUDIO_SRC EPISODE_DIR / episode-11.mp3 SRT_SRC EPISODE_DIR / episode-11.srt def escape_attr(value: str) - str: return escape(value, {: quot;}) def load_metadata(): with open(EPISODE_DIR / metadata.json, encodingutf-8) as f: meta json.load(f) srt_file EPISODE_DIR / meta.get(srt_filename, episode-11.srt) if srt_file.exists(): meta[srt_content] srt_file.read_text(encodingutf-8) else: meta[srt_content] return meta def render_html(meta): title escape(meta[title]) description escape(meta[description]) audio_url escape_attr(meta[audio_url]) srt_content escape(meta.get(srt_content, )) return f!DOCTYPE html html langzh-CN head meta charsetUTF-8 meta nameviewport contentwidthdevice-width, initial-scale1.0 title{title} - 涂鸦博物馆播客/title meta namedescription content{escape_attr(meta[description])} link relalternate typeapplication/rssxml title涂鸦博物馆播客 href/feed.xml style body {{ font-family: sans-serif; max-width: 760px; margin: 40px auto; padding: 0 16px; line-height: 1.7; }} audio {{ width: 100%; margin: 24px 0; }} pre {{ background: #f6f8fa; padding: 16px; border-radius: 8px; white-space: pre-wrap; }} /style /head body h1{title}/h1 p{description}/p audio controls preloadnone source src{audio_url} typeaudio/mpeg 你的浏览器不支持 audio 标签。 /audio h2本期字幕/h2 pre{srt_content}/pre /body /html def render_rss(meta): title escape(meta[title]) desc escape(meta[description]) audio_url escape_attr(meta[audio_url]) pub_date meta[pub_date] duration meta[duration] file_size meta[file_size] lines [] lines.append(?xml version1.0 encodingUTF-8?) lines.append(rss version2.0 xmlns:ituneshttp://www.itunes.com/dtds/podcast-1.0.dtd) lines.append( channel) lines.append( title涂鸦博物馆/title) lines.append( linkhttps://example.com//link) lines.append( languagezh-cn/language) lines.append( description一档关注涂鸦文化与街头艺术的播客节目/description) lines.append( itunes:author涂鸦博物馆/itunes:author) lines.append( itunes:category text艺术/) lines.append( item) lines.append(f title{title}/title) lines.append(f link{audio_url}/link) lines.append(f guid isPermaLinkfalseepisode-11-{pub_date}/guid) lines.append(f pubDate{pub_date}/pubDate) lines.append(f description{desc}/description) lines.append(f enclosure url{audio_url} typeaudio/mpeg length{file_size}/) lines.append(f itunes:duration{duration}/itunes:duration) lines.append( /item) lines.append( /channel) lines.append(/rss) return \n.join(lines) def build(): meta load_metadata() DIST_DIR.mkdir(parentsTrue, exist_okTrue) audio_out DIST_DIR / audio audio_out.mkdir(exist_okTrue) if AUDIO_SRC.exists(): shutil.copy2(AUDIO_SRC, audio_out / meta[audio_filename]) (DIST_DIR / index.html).write_text(render_html(meta), encodingutf-8) (DIST_DIR / feed.xml).write_text(render_rss(meta), encodingutf-8) print(build ok -, DIST_DIR) if __name__ __main__: build()这个脚本做了四件事读取metadata.json判断 SRT 字幕文件是否存在存在则读入内存把音频文件复制到dist/audio目录生成dist/index.html和dist/feed.xml。其中render_html里的escape很重要。节目描述、标题、字幕内容都可能包含特殊字符比如、、如果不转义生成的 HTML 和 XML 可能变成非法文档。运行脚本python3 scripts/build_site.py正常会看到输出build ok - /xxx/dist。4.5 部署到 Nginx假设服务器域名已经解析好站点根目录指向/var/www/graffiti-museum。把dist目录里的内容上传到服务器后配置一个简单的 Nginx 站点server { listen 80; server_name example.com; root /var/www/graffiti-museum; index index.html; location / { try_files $uri $uri/ 404; } location /audio/ { types { audio/mpeg mp3; } add_header Cache-Control public, max-age86400; } }这里重点看location /audio/块types { audio/mpeg mp3; }是确保 MP3 文件返回正确的Content-Type: audio/mpeg。如果不设置有些客户端会认为返回的是普通二进制文件add_header Cache-Control给音频文件加上一天的缓存避免用户每次打开页面都重新下载。配置完成后执行nginx -t systemctl reload nginx然后访问http://example.com/验证页面是否打开访问http://example.com/feed.xml验证 RSS 是否可读。4.6 运行结果与验证打开页面后应该能看到节目标题、简介、音频播放器以及下方展示的字幕全文。验证 RSS 是否合法可以把feed.xml的地址提交到但暂时不建议直接提交先用在线 RSS 校验工具检查。也可以直接在浏览器里打开 XML如果浏览器能正常渲染出节目信息说明结构没有大问题。一个容易忽略的验证点是在浏览器里打开音频地址http://example.com/audio/episode-11.mp3确认能够直接播放。如果这里能播放播客客户端一般也能正常拉取。5. 常见问题与排查思路问题现象常见原因解决思路RSS 校验提示enclosure缺少lengthlength没填或填了时长用ffprobe查看文件字节大小替换metadata.json中的file_size播客客户端显示音频无法播放audio_url不是完整 URL或服务器 MIME 类型不对确认audio_url是https://开头的完整地址并在 Nginx 中配置audio/mpeg中文字幕在网页上乱码HTML 没有声明 UTF-8或某些文件是 GBK 编码在head中加meta charsetUTF-8保存脚本和 JSON 时统一使用 UTF-8Whisper 转写速度太慢模型过大或没有 GPU先使用base或small模型对长音频可以提前切片页面打开但音频一直转圈服务器带宽不足或音频文件过大检查码率是否过高适当降到 96kbps 或 64kbps第一次能播放第二次报 404音频文件没在dist/audio下部署时漏传检查dist/audio/episode-11.mp3是否存在重新构建并上传如果验证 RSS 时提示pubDate格式不对重点检查是不是写成了2025-01-03 12:00:00这种普通时间格式。播客 RSS 要求使用 RFC 822 格式例如Fri, 03 Jan 2025 12:00:00 GMT。月份必须是英文缩写日期和年份之间不能乱加符号。6. 最佳实践与工程建议6.1 音频与字幕版本管理不要把原始录音和发布文件混放在同一个目录。建议原始录音进source/发布用的 MP3、封面、字幕进episodes/节目ID/。dist/是构建产物可以随时删除重新生成。这样能避免在发布了旧版本之后原始文件被误覆盖。如果你的节目会多次修改音频建议在文件名中加上版本号比如episode-11-v2.mp3。同一期节目不要只保留一个episode-11.mp3文件名否则重新发布时会分不清服务器上到底是哪个版本。6.2 保证 Feed 的稳定性播客客户端第一次通过 RSS 抓取节目后后续更新依赖的是同一个 Feed 地址。上线之前就应该把目录结构定好尤其是audio_url的路径规则。一旦用户订阅了某个 Feed尽量不要修改旧item里的guid。guid是客户端的去重标识如果每期节目都用一个固定不变化的 ID客户端就不会重复添加节目。如果发现节目标题写错了可以修改title但不要随便改guid。6.3 版权与授权使用语音转写、音频归档技术时前提是内容已经获得合法授权。上面以“涂鸦博物馆播客第 11 期”为例实际项目中应该确认节目录音有原始来源且已经获得嘉宾的录音授权音频中涉及的背景音乐、采样片段没有版权风险封面图、嘉宾照片、节目名称符合使用规范转写字幕如果用于公开发布需要确认嘉宾是否同意文字版本公开展示。版权问题在面向公众的分发场景中尤其重要。即使技术上完全可行如果授权链条不完整也不要直接上线。6.4 部署与安全生产环境优先使用 HTTPS。原因有两个一是大部分主流播客平台要求 Feed 地址必须是 HTTPS二是 HTTP 明文传输容易被中间人篡改音频文件地址。如果你的服务器上用 Nginx可以借助 Certbot 申请免费证书。部署后要把 HTTP 请求重定向到 HTTPS。不要在公网目录里保留原始 WAV 文件或内部脚本避免被访问到。另外如果脚本涉及服务器文件写入、删除、覆盖等操作在测试环境先跑通并且在生产环境保留一份可回滚的备份。不要直接在生产服务器上实验。6.5 SEO 与内容分发带字幕的播客页面天然适合做搜索。建议在 HTML 模板中保留title标签包含节目名和期数meta namedescription一句话概括本期内容link relalternate typeapplication/rssxml告诉搜索引擎这个页面有对应的 RSS 源。待页面稳定后可以把feed.xml提交到播客分发平台。不同平台对封面的尺寸、文件格式、Feed 地址要求略有差异上线前先阅读对应平台的官方说明。7. 从一期节目到长期内容站这套方案虽然只演示了“第 11 期”这一期节目但目录结构、脚本逻辑和 Feed 模板都已经为扩展做好了准备。后续要增加多期节目时只需要继续往episodes/下新建目录放入对应素材然后升级build_site.py让它扫描episodes/下的所有metadata.json在首页生成节目列表在feed.xml中按发布时间倒序输出所有item即可。如果你想进一步提升自动化程度还可以把转码、转写、构建、部署串成一条命令在录制完成后一键发布。这就是后面可以继续深入的方向播客内容站点的自动发布流水线。现在先把这一期的页面和 RSS 跑通你已经完成了最关键的 80%。 
长河君 · 2026/9/2 8:21:32 · 阅读 1.2k 用FFmpeg、Whisper与Python构建播客发布流水线：从音频到RSS完整实践
最近帮朋友整理一档文化类播客的归档页时碰到一个很常见的需求手里有一期录制好的音频要把它做成一个能在线播放、能生成播客订阅地址、最好还带字幕的音频内容页。这期节目正好对应“涂鸦博物馆播客第11期嘉宾 ZEPHYRPT. 1”。如果只是把 MP3 丢到服务器上再用一个audio标签包起来页面确实能放出来但它离“播客”还差得很远没有 RSS Feed就没法被 Apple Podcasts、小宇宙、Spotify 这些播客客户端识别没有字幕用户搜索不到节目里的关键词没有规范的音频编码部分播放器还会出现无法拖动进度条、封面丢失的问题。这篇文章就从“涂鸦博物馆播客第 11 期”这个具体场景出发完整拆解一套音频内容归档与发布方案用 FFmpeg 统一音频编码用 Whisper 生成 SRT 字幕再用 Python 脚本生成 HTML 页面和播客 RSS Feed最后部署到 Nginx 上。整个过程不需要复杂框架依赖少代码可以直接复制到本地跑通。如果你手里也有音频素材想搭一个自己的播客页面或者只是想把散落的音频文件整理成结构化内容库这篇文章会比较适合你。1. 背景与核心概念1.1 这个场景要解决什么问题以“涂鸦博物馆播客第 11 期”为例假设我们拿到的原始素材是一个高码率录音文件可能是 WAV、AIFF也可能是某个录音软件输出的 48kHz 音频。这个文件当前面临的问题是体积大不适合直接放到网页上让用户在线播放编码格式不统一不同播客客户端兼容性差没有封面、标题、作者等元数据信息没有字幕内容无法被搜索引擎索引没有 RSS Feed用户只能打开网页听不能通过播客 App 订阅。所以我们要做的不只是“把音频传上去”而是构建一条稳定的内容发布流水线。1.2 什么是播客 RSS播客之所以能“订阅”核心不是某个 App而是一个符合 RSS 2.0 规范的 XML 文件。这个 XML 文件里描述了播客的名称、简介、封面、分类以及每一期节目的标题、发布时间、音频文件地址、时长、文件大小等信息。普通 RSS 和播客 RSS 的区别在于播客 RSS 需要在item里加入enclosure标签用来声明这一期节目对应的音频文件地址和类型。以 Apple 播客为代表的客户端还会识别xmlns:itunes命名空间下的扩展标签比如itunes:author、itunes:duration、itunes:category。所以只要网站能输出一个正确的feed.xml播客客户端就能通过这个地址拉取节目列表。这也是为什么本文会把“生成 RSS”放在最重要的位置。1.3 为什么需要转码和字幕音频转码不是“为了显得专业”而是为了兼容性。大多数播客客户端对 MP3 的支持最稳定比特率在 96kbps 到 128kbps 之间已经能覆盖语音类节目的清晰度要求。原始录音如果是 WAV 格式一分钟大概 10MB转成 128kbps MP3 后一分钟只有 1MB 左右能明显降低服务器带宽压力。字幕则是近年播客运营中越来越重要的一环。Whisper 可以自动把音频转成带时间轴的 SRT 字幕生成之后可以放在网页上供用户查看也可以提交给平台作为节目文案素材。更重要的是字幕里的文字能被搜索引擎抓取用户搜索节目聊到的关键词时页面就有机会被检索到。2. 环境准备与版本说明2.1 本文使用的工具链下面的方案不依赖特定版本但建议使用当前各工具的最新稳定版。版本号变化较快这里只写思路不写死版本。工具用途环境要求FFmpeg音频转码、添加封面、读取时长Linux / macOS / Windows 均可Whisper语音转文字生成 SRT 字幕Python 3.8建议有 GPU 或使用 small/base 模型Python 3生成 HTML 页面与 RSS FeedPython 3.10Nginx静态文件托管Linux 服务器Whisper 是 OpenAI 开源的语音识别工具不需要 GPU 也能运行只是速度较慢。如果机器配置不高可以使用base或small模型来缩短转写时间如果对中文长音频识别要求较高可以考虑medium甚至large模型。2.2 初始化项目结构建议先创建一个干净的目录结构。下面这个结构后续会反复用到graffiti-museum-podcast/ ├── scripts/ │ ├── build_site.py │ └── transcode.sh ├── templates/ │ ├── episode.html │ └── feed.xml ├── source/ │ └── episode-11-raw.wav ├── episodes/ │ └── 11/ │ ├── metadata.json │ └── episode-11.srt └── dist/ ├── index.html ├── feed.xml └── audio/ └── episode-11.mp3source目录放原始录音episodes目录放每期节目的元数据和字幕文件dist是最终生成的静态网站目录。这样整理的好处是每期节目有独立目录素材和产物分离后面想重新生成或者做多期节目时结构可以平滑扩展。3. 核心原理拆解3.1 FFmpeg 转码关键参数FFmpeg 是本文的核心工具。先来看一个最常用的语音转 MP3 命令ffmpeg -y -i source/episode-11-raw.wav \ -codec:a libmp3lame \ -b:a 128k \ -ar 44100 \ -ac 2 \ episodes/11/episode-11.mp3这条命令的含义是-codec:a libmp3lame使用 LAME 编码器输出 MP3-b:a 128k音频码率设为 128kbps-ar 44100采样率统一为 44100Hz-ac 2声道数设为双声道。如果你的原始音频是单声道录音为了减少体积可以保留-ac 1这样文件会小很多。语音类播客其实单声道也可以接受但双声道更通用。3.2 Whisper 生成 SRT 字幕Whisper 的命令行用法比较直接。假设已经安装好了 whisper可以执行whisper episodes/11/episode-11.mp3 \ --model small \ --language zh \ --task transcribe \ --output_format srt \ --output_dir episodes/11执行之后会生成episodes/11/episode-11.srt文件。SRT 是带时间轴的字幕文本格式结构如下1 00:00:00,000 -- 00:00:04,000 欢迎收听涂鸦博物馆播客 2 00:00:04,000 -- 00:00:08,000 今天我们请到的是嘉宾 ZEPHYR后面我们用 Python 读取这个文件时只需要按行读取把整个内容作为一个字符串放进网页模板即可。3.3 播客 RSS 结构解析一个最简单的播客 RSS 文件长这样?xml version1.0 encodingUTF-8? rss version2.0 xmlns:ituneshttp://www.itunes.com/dtds/podcast-1.0.dtd channel title涂鸦博物馆/title linkhttps://example.com//link languagezh-cn/language description一档关注涂鸦文化与街头艺术的播客节目/description itunes:author涂鸦博物馆/itunes:author itunes:category text艺术/ item title第11期嘉宾 ZEPHYRPT. 1/title linkhttps://example.com/audio/episode-11.mp3/link guid isPermaLinkfalseepisode-11-2025-01-03/guid pubDateFri, 03 Jan 2025 12:00:00 GMT/pubDate description本期节目聊了涂鸦文化、创作经历与城市公共艺术话题。/description enclosure urlhttps://example.com/audio/episode-11.mp3 typeaudio/mpeg length12345678/ itunes:duration01:23:45/itunes:duration /item /channel /rss这里有三个字段最容易填错length音频文件的字节大小不是时长。写错会导致部分播客客户端下载异常。pubDate必须是 RFC 822 格式比如Fri, 03 Jan 2025 12:00:00 GMT。这个时间表示这一期节目的发布时间不是文件生成时间。enclosure url必须是用户可以直接访问的完整 URL不能是相对路径。4. 完整实战案例接下来我们严格按照项目结构从原始音频开始一步步生成最终的播客页面。4.1 使用 FFmpeg 生成标准 MP3先进入项目根目录cd graffiti-museum-podcast假设原始文件是source/episode-11-raw.wav需要把它转成适合播客发布的 MP3并顺手把封面图写进文件元数据。封面图建议准备一张 1400×1400 以上的正方形图片这样能通过大多数播客平台的审核。ffmpeg -y \ -i source/episode-11-raw.wav \ -i source/cover.jpg \ -map 0:a -map 1:v \ -c:v mjpeg \ -id3v2_version 3 \ -metadata title第11期嘉宾 ZEPHYRPT. 1 \ -metadata artist涂鸦博物馆 \ -metadata album涂鸦博物馆播客 \ -codec:a libmp3lame \ -b:a 128k \ -ar 44100 \ -ac 2 \ episodes/11/episode-11.mp3这里多出来的参数作用-map 0:a取第一个输入文件的音频流-map 1:v取第二个输入文件的图片流-c:v mjpeg把封面图按 MJPEG 编码写入 MP3 标签-id3v2_version 3使用 ID3v2.3 标签兼容性更好-metadata写入标题、作者、专辑信息。转码完成后用下面的命令查看文件时长和大小ffprobe -show_entries formatduration,size -of defaultnoprint_wrappers1 episodes/11/episode-11.mp3输出类似duration5025.000000 size80345678size就是后面 RSS 中enclosure标签的length字段值duration则需要转成HH:MM:SS格式后填入itunes:duration。4.2 使用 Whisper 生成字幕文件执行 Whisper 命令whisper episodes/11/episode-11.mp3 \ --model small \ --language zh \ --task transcribe \ --output_format srt \ --output_dir episodes/11等待转写结束后确认episodes/11/episode-11.srt已经生成。如果不确定转写效果可以先用--model base跑一遍速度快很多后续再根据效果决定是否换更大的模型。如果你的音频里有多个说话人并且希望区分说话人目前开源的 Whisper 版本默认不支持自动人声分离可以先用ffmpeg按时间点切割音频再分别转写。但对于大多数归档场景整段转写已经够用。4.3 编写节目元数据创建episodes/11/metadata.json内容如下{ title: 第11期嘉宾 ZEPHYRPT. 1, description: 本期节目聊了涂鸦文化、创作经历与城市公共艺术话题。, audio_filename: episode-11.mp3, audio_url: https://example.com/audio/episode-11.mp3, pub_date: Fri, 03 Jan 2025 12:00:00 GMT, duration: 01:23:45, file_size: 80345678, srt_filename: episode-11.srt }注意几个字段audio_url必须是最终发布后的完整 URL。如果你还没有域名可以先写占位地址部署时再批量替换pub_date建议写实际的节目发布时间不要使用当前时间否则以后做多期节目排序时会出现混乱file_size是从ffprobe得到的实际字节数不同音频文件大小不同不能照抄示例值。4.4 编写 Python 脚本生成页面与 RSS在scripts/build_site.py中写入以下代码import json import shutil from pathlib import Path from xml.sax.saxutils import escape ROOT Path(__file__).resolve().parent.parent EPISODE_DIR ROOT / episodes / 11 DIST_DIR ROOT / dist AUDIO_SRC EPISODE_DIR / episode-11.mp3 SRT_SRC EPISODE_DIR / episode-11.srt def escape_attr(value: str) - str: return escape(value, {: quot;}) def load_metadata(): with open(EPISODE_DIR / metadata.json, encodingutf-8) as f: meta json.load(f) srt_file EPISODE_DIR / meta.get(srt_filename, episode-11.srt) if srt_file.exists(): meta[srt_content] srt_file.read_text(encodingutf-8) else: meta[srt_content] return meta def render_html(meta): title escape(meta[title]) description escape(meta[description]) audio_url escape_attr(meta[audio_url]) srt_content escape(meta.get(srt_content, )) return f!DOCTYPE html html langzh-CN head meta charsetUTF-8 meta nameviewport contentwidthdevice-width, initial-scale1.0 title{title} - 涂鸦博物馆播客/title meta namedescription content{escape_attr(meta[description])} link relalternate typeapplication/rssxml title涂鸦博物馆播客 href/feed.xml style body {{ font-family: sans-serif; max-width: 760px; margin: 40px auto; padding: 0 16px; line-height: 1.7; }} audio {{ width: 100%; margin: 24px 0; }} pre {{ background: #f6f8fa; padding: 16px; border-radius: 8px; white-space: pre-wrap; }} /style /head body h1{title}/h1 p{description}/p audio controls preloadnone source src{audio_url} typeaudio/mpeg 你的浏览器不支持 audio 标签。 /audio h2本期字幕/h2 pre{srt_content}/pre /body /html def render_rss(meta): title escape(meta[title]) desc escape(meta[description]) audio_url escape_attr(meta[audio_url]) pub_date meta[pub_date] duration meta[duration] file_size meta[file_size] lines [] lines.append(?xml version1.0 encodingUTF-8?) lines.append(rss version2.0 xmlns:ituneshttp://www.itunes.com/dtds/podcast-1.0.dtd) lines.append( channel) lines.append( title涂鸦博物馆/title) lines.append( linkhttps://example.com//link) lines.append( languagezh-cn/language) lines.append( description一档关注涂鸦文化与街头艺术的播客节目/description) lines.append( itunes:author涂鸦博物馆/itunes:author) lines.append( itunes:category text艺术/) lines.append( item) lines.append(f title{title}/title) lines.append(f link{audio_url}/link) lines.append(f guid isPermaLinkfalseepisode-11-{pub_date}/guid) lines.append(f pubDate{pub_date}/pubDate) lines.append(f description{desc}/description) lines.append(f enclosure url{audio_url} typeaudio/mpeg length{file_size}/) lines.append(f itunes:duration{duration}/itunes:duration) lines.append( /item) lines.append( /channel) lines.append(/rss) return \n.join(lines) def build(): meta load_metadata() DIST_DIR.mkdir(parentsTrue, exist_okTrue) audio_out DIST_DIR / audio audio_out.mkdir(exist_okTrue) if AUDIO_SRC.exists(): shutil.copy2(AUDIO_SRC, audio_out / meta[audio_filename]) (DIST_DIR / index.html).write_text(render_html(meta), encodingutf-8) (DIST_DIR / feed.xml).write_text(render_rss(meta), encodingutf-8) print(build ok -, DIST_DIR) if __name__ __main__: build()这个脚本做了四件事读取metadata.json判断 SRT 字幕文件是否存在存在则读入内存把音频文件复制到dist/audio目录生成dist/index.html和dist/feed.xml。其中render_html里的escape很重要。节目描述、标题、字幕内容都可能包含特殊字符比如、、如果不转义生成的 HTML 和 XML 可能变成非法文档。运行脚本python3 scripts/build_site.py正常会看到输出build ok - /xxx/dist。4.5 部署到 Nginx假设服务器域名已经解析好站点根目录指向/var/www/graffiti-museum。把dist目录里的内容上传到服务器后配置一个简单的 Nginx 站点server { listen 80; server_name example.com; root /var/www/graffiti-museum; index index.html; location / { try_files $uri $uri/ 404; } location /audio/ { types { audio/mpeg mp3; } add_header Cache-Control public, max-age86400; } }这里重点看location /audio/块types { audio/mpeg mp3; }是确保 MP3 文件返回正确的Content-Type: audio/mpeg。如果不设置有些客户端会认为返回的是普通二进制文件add_header Cache-Control给音频文件加上一天的缓存避免用户每次打开页面都重新下载。配置完成后执行nginx -t systemctl reload nginx然后访问http://example.com/验证页面是否打开访问http://example.com/feed.xml验证 RSS 是否可读。4.6 运行结果与验证打开页面后应该能看到节目标题、简介、音频播放器以及下方展示的字幕全文。验证 RSS 是否合法可以把feed.xml的地址提交到但暂时不建议直接提交先用在线 RSS 校验工具检查。也可以直接在浏览器里打开 XML如果浏览器能正常渲染出节目信息说明结构没有大问题。一个容易忽略的验证点是在浏览器里打开音频地址http://example.com/audio/episode-11.mp3确认能够直接播放。如果这里能播放播客客户端一般也能正常拉取。5. 常见问题与排查思路问题现象常见原因解决思路RSS 校验提示enclosure缺少lengthlength没填或填了时长用ffprobe查看文件字节大小替换metadata.json中的file_size播客客户端显示音频无法播放audio_url不是完整 URL或服务器 MIME 类型不对确认audio_url是https://开头的完整地址并在 Nginx 中配置audio/mpeg中文字幕在网页上乱码HTML 没有声明 UTF-8或某些文件是 GBK 编码在head中加meta charsetUTF-8保存脚本和 JSON 时统一使用 UTF-8Whisper 转写速度太慢模型过大或没有 GPU先使用base或small模型对长音频可以提前切片页面打开但音频一直转圈服务器带宽不足或音频文件过大检查码率是否过高适当降到 96kbps 或 64kbps第一次能播放第二次报 404音频文件没在dist/audio下部署时漏传检查dist/audio/episode-11.mp3是否存在重新构建并上传如果验证 RSS 时提示pubDate格式不对重点检查是不是写成了2025-01-03 12:00:00这种普通时间格式。播客 RSS 要求使用 RFC 822 格式例如Fri, 03 Jan 2025 12:00:00 GMT。月份必须是英文缩写日期和年份之间不能乱加符号。6. 最佳实践与工程建议6.1 音频与字幕版本管理不要把原始录音和发布文件混放在同一个目录。建议原始录音进source/发布用的 MP3、封面、字幕进episodes/节目ID/。dist/是构建产物可以随时删除重新生成。这样能避免在发布了旧版本之后原始文件被误覆盖。如果你的节目会多次修改音频建议在文件名中加上版本号比如episode-11-v2.mp3。同一期节目不要只保留一个episode-11.mp3文件名否则重新发布时会分不清服务器上到底是哪个版本。6.2 保证 Feed 的稳定性播客客户端第一次通过 RSS 抓取节目后后续更新依赖的是同一个 Feed 地址。上线之前就应该把目录结构定好尤其是audio_url的路径规则。一旦用户订阅了某个 Feed尽量不要修改旧item里的guid。guid是客户端的去重标识如果每期节目都用一个固定不变化的 ID客户端就不会重复添加节目。如果发现节目标题写错了可以修改title但不要随便改guid。6.3 版权与授权使用语音转写、音频归档技术时前提是内容已经获得合法授权。上面以“涂鸦博物馆播客第 11 期”为例实际项目中应该确认节目录音有原始来源且已经获得嘉宾的录音授权音频中涉及的背景音乐、采样片段没有版权风险封面图、嘉宾照片、节目名称符合使用规范转写字幕如果用于公开发布需要确认嘉宾是否同意文字版本公开展示。版权问题在面向公众的分发场景中尤其重要。即使技术上完全可行如果授权链条不完整也不要直接上线。6.4 部署与安全生产环境优先使用 HTTPS。原因有两个一是大部分主流播客平台要求 Feed 地址必须是 HTTPS二是 HTTP 明文传输容易被中间人篡改音频文件地址。如果你的服务器上用 Nginx可以借助 Certbot 申请免费证书。部署后要把 HTTP 请求重定向到 HTTPS。不要在公网目录里保留原始 WAV 文件或内部脚本避免被访问到。另外如果脚本涉及服务器文件写入、删除、覆盖等操作在测试环境先跑通并且在生产环境保留一份可回滚的备份。不要直接在生产服务器上实验。6.5 SEO 与内容分发带字幕的播客页面天然适合做搜索。建议在 HTML 模板中保留title标签包含节目名和期数meta namedescription一句话概括本期内容link relalternate typeapplication/rssxml告诉搜索引擎这个页面有对应的 RSS 源。待页面稳定后可以把feed.xml提交到播客分发平台。不同平台对封面的尺寸、文件格式、Feed 地址要求略有差异上线前先阅读对应平台的官方说明。7. 从一期节目到长期内容站这套方案虽然只演示了“第 11 期”这一期节目但目录结构、脚本逻辑和 Feed 模板都已经为扩展做好了准备。后续要增加多期节目时只需要继续往episodes/下新建目录放入对应素材然后升级build_site.py让它扫描episodes/下的所有metadata.json在首页生成节目列表在feed.xml中按发布时间倒序输出所有item即可。如果你想进一步提升自动化程度还可以把转码、转写、构建、部署串成一条命令在录制完成后一键发布。这就是后面可以继续深入的方向播客内容站点的自动发布流水线。现在先把这一期的页面和 RSS 跑通你已经完成了最关键的 80%。