做播客最劝退的不是没内容写，是"录不出来"--没设备、没安静环境、对着话筒念稿舌头打结、念完一听全是"嗯啊"废话。AI 把这道门槛基本铲平了：脚本交给大模型写，配音交给 TTS 合成，剪辑对着文字删废话，分发就一个 RSS 链接。一个人不露脸、不录音、不买设备，也能跑出一档周更播客。
这篇走一遍从选题到分发的全流程：选题、脚本、TTS 合成、润色校听、剪辑、分发六步，每步给真实工具和可复制 Prompt，文末附踩坑记录和 FAQ。工具定价和能力截至 2026-07-31，以官方为准--TTS 和剪辑工具调价很勤，动手前先去官网核一眼。
一、思路：AI 播客全流程一览
AI 播客的核心是把"录"换成"生成 + 剪"。全流程六步，每步都有对应工具：
| 环节 | 做什么 | 主流工具 |
|---|---|---|
| 选题 | AI 找题、验受众 | 大模型 + 小宇宙热度 |
| 脚本 | 写能念的口语稿 | 大模型（带 Prompt） |
| 合成 | TTS 配音 / 声音克隆 | ElevenLabs、豆包语音合成、即梦配音 |
| 润色 | 口语化、防念错 | 大模型 + 手动校听 |
| 剪辑 | 去废话、配字幕、出 shownotes | Descript、剪映、通义听悟 |
| 分发 | 上架各播客平台 | 小宇宙 + Apple Podcasts + Spotify |
选型一句话：英文/多语/声音克隆质量要高，上 ElevenLabs；中文自然度 + API 价格，豆包语音合成（火山引擎）更划算；想一站式不花钱，剪映文本朗读 + 智能剪口播够走通；要对着文字剪音频像剪文档，用 Descript。
二、选题：用 AI 锁定选题
选题别拍脑袋。让大模型基于你的播客定位批量给题，再挑一个痛点最实、最容易讲透的。关键是给 AI 喂定位和受众，否则它给的都是空泛标题。
你是播客选题策划。我的播客定位是「[填定位，如 AI 工具实战]」，受众是 [填受众，如 想用 AI 提效的职场人]。
基于关键词「[填关键词]」给我 5 个选题，每个含：
1. 标题（≤20 字，口语化、有钩子）
2. 一句话痛点（听众为什么非听不可）
3. 大纲（3-5 个要点）
4. 建议时长（分钟）
5. 一句开场白示例
最后点名哪个最容易出爆款并说理由。挑题标准：痛点具体（不是"AI 很重要"这种空话）、你能在一期内讲透、有可执行结论。三占其二就定。
三、脚本：写出能念的口语稿
播客脚本最大的坑是写成"文章"--书面句太长，TTS 念出来拗口、断句怪。脚本要短句、要口语、要留语气位。
你是播客脚本编辑。基于选题「[填选题]」，写一档单人口播脚本，时长约 [8] 分钟。要求：
- 纯口语，短句为主，每句不超过 25 字，念着不拗口
- 开场 30 秒抓人（提问 / 反差 / 故事起手）
- 中间分 3 段讲透，段间用过渡句衔接
- 结尾给一个可执行动作 + 下期预告
- 标注 [停顿][强调][轻笑] 等语气提示，方便 TTS 调情绪
- 禁书面化、禁"首先其次最后"、禁小标题
输出格式：[开场]…[段一]…[段二]…[段三]…[结尾]写完自己默念一遍，哪里卡壳就改哪里--这步省了，TTS 合成后会加倍暴露。
四、合成：TTS 配音与声音克隆
脚本定稿进 TTS。三款工具定位不同，按需选：
- ElevenLabs（国际首选）：声音克隆和情绪表达最强。免费版每月约 1 万字符额度（不可商用、需署名）；Starter $5/月（3 万字符，含即时克隆 + 商用权）；Creator $22/月（10 万字符，专业克隆）。采用 credit 制，约 1 credit ≈ 2 字符。
- 豆包语音合成（火山引擎）：中文 TTS + 高拟真声音克隆，能智能预测情绪语调，按 API 调用计费，新用户有免费额度，适合中文播客量产。需申请 appid/token/secret_key。
- 即梦配音（字节即梦 AI）：偏视频配音--视频 3.5 Pro 支持画面+声音同步生成、口型对齐，适合做带画面的播客片段；纯音频播客不首选。
操作要点：文本别一次整篇丢进去，分段生成（每段≤30 秒）再拼接，长文容易停顿怪、尾音飘、情绪跑偏。品牌名、英文缩写、数字容易念错，用工具的发音词典或 SSML 标注纠正，没有就标 [读作 xxx]。
想克隆自己的声音：ElevenLabs Professional 克隆和 Descript Overdub 都要约 10 分钟干净样本（无底噪、单人、自然语速），样本脏克隆出来就发糊。
五、润色与校听：让 AI 念得像真人
TTS 出来的初稿九成有"机器味"--停顿位置怪、书面的"因此/此外"念出来生硬、品牌名读错。这步专门修这些。
你是播客口语化润色编辑。把下面片段改成"能直接念、像真人说话"的版本：
[粘贴片段]
规则：
- 书面词换口语（"因此"->"所以"，"此外"->"还有"，"然而"->"不过"）
- 长句拆短，每句一口气念得完
- 数字 / 英文品牌名 / 缩写后加 [读作 xxx] 防念错
- 加 2-3 处 [停顿] 和语气词（"对吧""你想想"）让节奏自然
- 保留原意，不加新观点
输出：润色后全文 + 一句改了哪里。润色完必须戴上耳机逐段校听，别只看文字。重点查：数字读法、品牌名、专有名词、停顿是否自然。发现问题回脚本改，再重新合成那一段--别整篇重来。
六、剪辑：Descript / 剪映 + 出 shownotes
剪辑不是加特效，是去废话、配字幕、出节目说明。
- Descript（文字剪辑）：把音频转成文字稿，你删文字 = 删音频，像改文档一样剪。Creator 约 $24/月，含 Overdub（克隆你自己声音补错词）、filler 去除（一键删"嗯啊"）、studio sound（降噪提亮）。英文播客首选。
- 剪映（免费一站式）：文本朗读（选热门音色或音色克隆）+ 智能剪口播（AI 识别无效词、对着文本剪）+ 人声分离 + 音频降噪 + 响度统一。中文播客零成本跑通全链路。
- 通义听悟（阿里）：录音转文字 0.6 元/小时，大模型能力（摘要/章节/思维导图）0.22 元/小时起、多个能力叠加计费。用它把成片转写出 shownotes 和章节时间戳，分发时贴上。
剪辑顺序：先降噪 + 响度统一打底 -> 删废话和口误 -> 加片头片尾和过场 -> 导出 MP3 128kbps（30 分钟约 30MB，平台都吃）-> 通义听悟转 shownotes。
七、分发：小宇宙 + Apple Podcasts + Spotify
国内播客分发就一套机制：托管平台生成 RSS，再提交到各目录。
- 小宇宙托管：在主播后台建节目，上传音频 + 封面（3000×3000 正方形 PNG）+ 节目信息，小宇宙生成 RSS 链接（节目设置 -> 多平台同步）。国内首选，免费。
- Apple Podcasts：用 Apple ID 登录 podcasters.apple.com（Apple Podcasts Connect），"添加新节目"粘贴 RSS，提交审核，1-5 个工作日。这是覆盖最广的目录。
- Spotify：到 Spotify for Creators（podcasters.spotify.com）同样粘 RSS 认领节目，或用托管平台的直连按钮。
关键坑：封面图必须正方形、高分辨率（3000×3000 通过率最高）；RSS 里节目描述、分类、作者字段不能空，否则 Apple 审核被拒；每期发布后在托管平台更新一次，三个平台自动同步，不用重复传。
八、踩坑记录
坑一：整篇稿子一次丢给 TTS。 长文合成出来停顿怪、情绪跑偏、尾音飘。解法：按段切，每段≤30 秒，逐段生成再拼接，还能单段重做。
坑二：品牌名 / 数字 / 缩写念错。 ElevenLabs 念品牌名重音、数字读法常错。用发音词典或 SSML 标注，没有就标 [读作 xxx] 自己后期知道怎么改。
坑三：声音克隆样本太短或有底噪。 克隆出来发糊、不像。样本要 10 分钟以上、干净、单人、自然语速。没专业设备就在衣柜里录，衣物能压回声。
坑四：拿即梦配音当纯 TTS 用。 即梦强项是视频+声音同步（口型对齐），单独导音频反而绕。纯音频播客用 ElevenLabs / 豆包，即梦留给做带画面短片。
坑五：Apple Podcasts 封面被拒。 九成是图非正方形或分辨率不够。用 3000×3000 正方形 PNG，且 RSS 里描述/分类/作者填全，再重新提交。
坑六：免费版 TTS 拿来商用。 ElevenLabs 免费版不可商用（需署名），商用至少 Starter 起步。涉及商用逐个查工具授权，别想当然。
坑七：只发音频不填 shownotes。 分发到 Apple 后没节目说明，听众划走。用通义听悟转写出 shownotes + 章节时间戳贴上。
九、常见问题 FAQ
Q1：一个人没设备没预算，能做播客吗？ 能。脚本大模型写、配音用剪映文本朗读或 ElevenLabs 免费额度、剪辑剪映、分发小宇宙，全程零录音零设备。但声音克隆和商用要付费。
Q2：ElevenLabs 和豆包语音合成怎么选？ 英文 / 多语 / 克隆自己声音且要高质量，选 ElevenLabs；中文自然度 + 大量 API 调用，豆包（火山引擎）按量计费更划算。中文播客优先豆包试水。
Q3：AI 配音的播客听众会划走吗？ 高拟真 TTS（ElevenLabs / 豆包高拟真克隆）听众基本无感；纯机械音会被秒划。建议在节目里标注"AI 辅助配音"，自然度够就不影响留存。
Q4：Apple Podcasts 提交后被拒怎么办？ 多半是封面图（非正方形 / 分辨率低）或 RSS 缺字段（描述/分类/作者空）。回小宇宙后台补全，图换 3000×3000 正方形，重新提交即可。
Q5：每期音频文件多大、什么格式合适？ 导出 MP3、128kbps，30 分钟约 30MB。小宇宙 / Apple / Spotify 都接受 MP3，别传 WAV（太大上传慢，平台也会再压一遍）。
参考来源