内容进匣，AI 成播：我做了 BokeBox，一台只属于你的私人 AI 播客工作室

一句话：把视频、链接、文稿、会议与课程等多种内容，变成真正能听完的私人播客。
开源地址：https://github.com/vastsa/BokeBox
协议：LGPL-3.0

BokeBox Banner

先说一个很真实的尴尬

我怀疑你也有过这些时刻：

收藏了技术分享、课程、会议纪要、长文，然后永远「稍后处理」
通勤、洗碗、散步时明明想消化信息，手机里却只剩短视频噪音
想做一档「只给自己听」的节目，又不想半夜对着麦克风录到崩溃
试过各种 AI 播客 demo：声音假、人设死、像在念说明书，两分钟就关了

信息并不缺。
缺的是一种能被你真正吸收的形态。

屏幕时间越来越贵，整块时间越来越碎。
很多内容其实适合「听」，却被锁在「必须坐下来看 / 读」的格式里。

于是我做了 BokeBox（播匣）。

BokeBox 是什么

BokeBox 不是又一个「视频转音频」按钮。

它是一台 单用户、可私有部署的 AI 播客工作室：

理解你丢进来的内容
按你设定的主播人设，重写成口播稿
用你指定的音色说出来
附上封面、知识闪卡和听播进度
变成一档随时可听的私人节目

核心不是格式转换，而是内容消化。

内容进匣，AI 成播。
把「看不完 / 读不完」变成「听得进」。

BokeBox 首页

不限于长视频

很多工具一上来就把自己定成「长视频转播客」。
BokeBox 从一开始就没这么窄。

你可以丢进去：

视频：本地文件、课程回放、分享录像
链接：文章、文档、公开页面
文稿：笔记、草稿、粘贴文本
会议 / 课程材料：需要二次消化的高密度内容

如果内置路径还不够，还可以通过 Source 插件继续扩展内容源。

一句话：

多源内容 → 可听完的私人口播节目。

  你丢进去的                    BokeBox 交还给你的
 ─────────────                 ─────────────────
  会议录像 / 纪要               有节奏的口播节目
  课程回放 / 材料    ──AI──▶    可自定义的主播人设
  深度长文 / 文稿               预置 / 描述定制音色
  任意链接（可插件扩展）         封面 · 闪卡 · 听播进度

为什么听起来不像「机器念稿」

市面上不少方案，本质是：

转写字幕 → 直接朗读

问题很明显：

没有开场和收束
重点淹没在细节里
语气平、节奏死
听着像自动文档朗读器

BokeBox 走的是另一条路：

1. 口播结构重写

AI 会把内容整理成适合「听」的结构：有开场、有重点、有收尾。
不是把原文硬塞进喇叭。

2. 人设你说了算

你可以设定：

主播怎么称呼自己
像产品经理、老师，还是朋友闲聊
节目名、语气调性、开场收尾习惯

全局默认一套，也能给某一集单独改。

3. 音色可定制

支持预置音色，也支持用文字描述你想要的声音气质。
目标不是「能发声」，而是「听起来像有人在讲」。

4. 听完还能带走闪卡

每期不只给你音频，还会提炼知识闪卡。
听过的内容，不会立刻蒸发。

BokeBox 播放页

两个我特别在意的技术点

如果只是做一个网页 demo，故事到这里就可以结束了。
但我想做的是一个能长期住在你工作流里的系统。

1）MCP：让 AI 助手直接操作 BokeBox

BokeBox 内置 MCP（Model Context Protocol） 端点。

服务启动后会自动生成长期 Token。
你可以在 Cursor / Claude 等客户端里直接调用，例如：

create_podcast_from_url
create_podcast_from_text
list_jobs
get_job

场景很直接：

在 AI 对话里说一句「把这个链接做成播客」，不用再切回 UI 点来点去。

Cursor 配置示例：

{
  "mcpServers": {
    "bokebox": {
      "url": "http://localhost:8787/mcp",
      "headers": {
        "Authorization": "Bearer <设置页复制的 Token>"
      }
    }
  }
}

2）Source 插件：内容源可插拔

BokeBox 不把输入锁死在某一种媒体上。

插件默认关闭
放入 storage/plugins/source/ 后扫描启用
插件负责「输入 → 统一素材（SourceArtifact）」
口播、音色、闪卡、封面仍走核心流水线

也就是说：

你扩展的是「内容从哪来」，
不必重写整套播客生成系统。

官方示例包括 source-plugin-echo、source-plugin-firecrawl。
高风险抓取不会默认塞进主仓，由用户按需安装。

技术差异一句话：

不只是应用，而是 AI 可编排（MCP）+ 源可插拔（Source Plugin） 的私人播客系统。

它适合谁，不适合谁

适合

终身学习者：课程、访谈、发布会、长文太多，只想用碎片时间听重点
创作者 / 研究者：先把多源素材听消化，再决定写什么、剪什么
一人公司 / 独立开发者：把周会、链接、笔记、长文收成自己的「信息广播」
注重隐私的人：内容不出自己的机器，不为平台算法打工

不适合

想做公域播客平台
想做多租户 SaaS
想做在线协作编辑团队工具

BokeBox 刻意做小、做私、做深。
它站在「帮你更好地消化内容」这一边，而不是「帮你更快地生产公域内容」。

怎么开始

本地三步：

git clone https://github.com/vastsa/BokeBox.git
cd bokebox
cp .env.example .env   # 填入你的 API Key
./start.sh             # 打开 http://localhost:5173

Docker（推荐拉预构建镜像）：

cp .env.example .env
docker pull ghcr.io/vastsa/bokebox:latest
./start.sh docker
# 访问 http://localhost:8787

首次进入会引导你完成账号初始化与模型配置。
之后，你的第一期私人播客，只差一条内容。

我真正想解决的，其实是这件事

大多数工具都在帮你：

更快地生产内容。

BokeBox 更在意：

更好地消化内容。

信息过载的时代，「收藏」几乎没有成本，「吸收」才是稀缺能力。
能被你听完、记住、复用的，才算真正属于你。

所以它不是又一个热闹的 AI demo。
它是一个更克制的主张：

输入要宽：视频、链接、文稿、会议、课程都能进
输出要听得完：有人设、有结构、有音色
系统要可扩展：MCP 可编排，插件可扩源
数据要在你手里：单用户私有部署

写在最后

如果你也信这句话：

好内容值得被「听」第二次，而且应该用你喜欢的方式被讲述。

欢迎来看看 BokeBox：

GitHub：https://github.com/vastsa/BokeBox

如果这个方向戳中你：

给仓库一个 ⭐ Star
提 Issue，说说你最想「播客化」的内容类型
PR 也欢迎，尤其是体验、文案、音色与模型适配

内容进匣，AI 成播。

把那些「稍后处理」的东西，终于处理掉一次。

可转发短版

BokeBox（播匣）：把视频、链接、文稿、会议与课程等多种内容，变成听得进的私人播客。AI 生成口播，人设和音色可自定义；支持 MCP 与插件式内容源，数据只留在你自己的机器上。
https://github.com/vastsa/BokeBox