VibeVoice-Podcast: Open‑Source AI‑getriebener Podcast‑Editor

VibeVoice-Podcast ermöglicht das schnelle Erstellen und Exportieren von AI‑getriebenen, mehrstimmigen Podcasts über ein einfaches Web‑Interface mit sofortigem Pre‑Generation‑Caching und JSON‑basiertem Projektmanagement.

Projektidee

• Ein Open‑Source‑Frontend zum Erstellen von Podcasts mit KI‑Text‑zu‑Speech (TTS).
• Unterstützt mehrere Sprecher (Voice‑Assignments) und unbegrenzte Textsegmente.
• Audio wird auf dem Client vorab generiert, gespeichert und sofort wiedergegeben – garantiert konsistente Wiedergabe.

Wichtige Features

• Multi‑Segment Editing: Unbegrenzte Textsegmente einfügen, bearbeiten und mit jeweiligen Stimmen verknüpfen.
• Per‑Segment Voices: Jede Sektion kann eine andere Stimme aus einer Dropdown‑Liste beziehen.
• Audio Pre‑Generation & Caching: Beim Klicken auf „Generate“ wird der Audioclip erzeugt und im Cache gespeichert.
• Real‑Time Preview: Einzelne Segmente oder die gesamte Podcast‑Liste können sofort abgespielt werden.
• Export:
  • WAV: Komplettes Podcast‑Audio als einzelne .wav‑Datei downloaden.
  • JSON: Projektdatei exportieren, um später fortzufahren.
• Import: Bereits erstellte JSON‑Projekte wieder einlesen.
• Batch‑Generation: „Generate All“ erzeugt alle fehlenden Segmente gleichzeitig.
• Cache‑Invalidierung: Änderungen an Text oder Stimme führen zur Cache‑Löschung des jeweiligen Segments.

Setup & Installation

1. VibeVoice‑Repo klonen: git clone https://github.com/microsoft/VibeVoice && cd VibeVoice
2. Backend‑Server starten
   • Server‑Script: cp example/server.py /path/to/VibeVoice/demo/server.py
   • Server ausführen:

     cd /path/to/VibeVoice
     python demo/server.py --model microsoft/VibeVoice-Realtime-0.5B --device cuda --port 8880

   • Verfügbar unter http://localhost:8880
3. Frontend starten
   • Abhängigkeiten installieren: bun install oder npm install
   • Dev‑Server starten: bun dev oder npm run dev
   • Interface unter http://localhost:5173

API‑Konfiguration

• Frontend verbindet sich per API_BASE = "http://localhost:8880/api".
• Änderungen erfolgen in src/App.tsx.

Technische Komponenten

• Frontend: React + TypeScript + Vite + Tailwind CSS.
• Backend: FastAPI + VibeVoice TTS‑Engine (microsoft/VibeVoice-Realtime-0.5B).
• Caching: Client‑seitiges Caching über lokale Speicher.

Beispiel‑Podcasts

Im Verzeichnis example/ liegen JSON‑ und WAV‑Beispiele zum Importieren.

Lizenz

MIT‑Lizenz, frei nutzbar und modifizierbar.

Repository‑Status

2 Sterne, 1 Fork, keine aktuellen Issues oder PRs.

Sprachen

Primär TypeScript (72 %), Python (23 %), CSS (4 %) & HTML (0,4 %).

Fragen & Antworten

• Wie installiere ich VibeVoice und starte das Backend? – Schritt‑für‑Schritt-Anleitung oben.
• Welche Stimmen stehen als Optionen im Dropdown zur Verfügung? – Entspricht den Voice‑Assignments des Projekts.
• Wie kann ich ein vorhandenes JSON‑Projekt in VibeVoice importieren? – Wählen Sie die Import‑Option im Frontend.

Quelle: https://github.com/skorotkiewicz/vibevoice-podcast