用 AI 构建播客分析工具：从飞书妙记到全功能 Web App
作者最近忙于复杂的电路图解析工作（将 SVG 中的接插件、线径、颜色等关系一一建立），但依然抽出时间分享了一个实用案例：如何用 AI 分析长达 89 分钟的播客节目（以《A座B座》关于微短剧的访谈为例）。本文完整记录了从手工流程（飞书妙记转录 + ChatGPT 生成量化表格）到构建全功能 Web 应用的演进过程——前端使用 V0.dev 生成交互界面，后端集成火山引擎豆包语音妙计 API（免费 20 小时）实现语音转文本，使用 Cloudflare R2 存储音频文件，再调用 GPT-5（高推理模式）生成包含用户规模、单集时长、团队规模、编剧费用、反转频率等量化指标的多维表格报告。最终代码已开源在 GitHub，任何人都可以 fork 并部署自己的播客分析工具。
一、背景：为什么需要 AI 分析播客
作者听了一期非常精彩的播客——A座B座 采访微短剧制作人，标题为《短剧制作人说：人类的注意力早被破解了》。节目全长约 89 分钟，包含大量量化的数据和行业洞察。当作者想把这些精彩内容分享给朋友时，发现自己记不住那么多数据（例如“用户规模接近 7 亿”“第一集前三秒定生死”“海外成本 25 万美金，回本概率仅 5%”等）。于是他决定借助 AI 来自动提取和量化播客内容。
二、手工流程：飞书妙记 + ChatGPT（或豆包）
对于非技术人员，最简单的方案如下：
获取音频文件：从播客页面通过浏览器的 Inspect 工具找到 .m4a 或 .mp3 音频链接，下载到本地。
上传到飞书妙记：飞书提供免费的语音转文字功能（称为“飞书妙记”）。上传音频后，系统会自动转写并区分说话人（作者设置了三位发言者：池冰、史炎、燕郊）。
导出文字记录：导出为 SRT 或 TXT 格式。
交给 AI 分析：将文字记录粘贴到 ChatGPT（或豆包）中，配合提示词：“这是一个播客节目，讲述中国目前微短剧生态。请阅读全文，帮我总结成数字量化的多维表格。” AI 会输出结构化的数据表格。
实际效果（基于 ChatGPT）：
用户规模：6.96 亿（接近 7 亿人看微短剧）
决定追剧的关键时长：第一集前 3-5 秒——“三五秒定生死”
海外成本：25 万美金，回本概率约 5%
作者也尝试了豆包，发现豆包生成的数据维度相对较少，但原理相同。
三、技术人员的做法：构建一个完整的 Web 应用
手动操作虽然可行，但对于技术人员来说效率太低，且无法规模化。于是作者决定用 AI 工具链自动构建一个播客分析 Web App。
1. 前端原型：使用 V0.dev 生成
作者将以下提示词输入到 V0.dev（一个生成前端代码的 AI 工具）：
“Let‘s create a podcast analysis tool. Features:
Input audio URL or upload audio file.
Transcribe audio to text.
Use AI to analyze transcript and generate a multi-dimensional table.
Generate interactive UI with dummy data.”
V0.dev 自动生成了完整的 React 前端界面，包含：
音频 URL 输入框
本地上传按钮
转录进度显示
分析结果表格展示
中英文多语言切换（作者后续又让 V0 添加了简体中文支持）
生成后，作者通过 V0.dev 一键创建了 GitHub 仓库（仓库名：v-zero-podcast-analysis-tool），并将仓库设置为 Public，方便大家 fork。
2. 后端核心：语音转文本 – 豆包语音妙计 API
语音转文本是整个链条的关键。作者使用了 火山引擎的豆包语音妙计大模型。
注册与免费额度：用抖音账号登录火山引擎，找到“豆包语音妙计模型”，开通试用版——免费赠送 20 小时的语音转写额度。作者至今只用了 5.2 小时。
API 接入：豆包语音妙计提供 Python demo 代码。作者将这个 demo 下载后，让 Claude Code 帮助理解并集成到项目中。API 要求传入音频的 URL（而非直接上传文件），因此还需要一个上传环节。
3. 音频上传与存储：Cloudflare R2
为了解决“音频文件需要公网 URL”的问题，作者使用了 Cloudflare R2（对象存储服务，兼容 S3）。实现流程：
前端支持本地音频文件上传。
上传后，文件被保存到 Cloudflare R2 的 bucket 中。
R2 返回一个公开的 URL（例如 https://r2.howtobuild.app/...）。
将该 URL 传递给豆包语音妙计 API。
作者在之前的视频中已经购买过域名 howtobuild.app，并将其绑定到 Cloudflare R2。
4. AI 分析层：GPT-5（高推理模式）
语音转文本完成后，将得到的转录文本（可能包含十几万字符）发送给 GPT-5（作者在代码中配置了 gpt-5 模型，并设置 reasoning_effort: high 以保证分析深度）。提示词要求 AI ：
提取播客中所有量化的数据（金额、时间、人数、比例等）
将数据整理成多维表格（包含“数据维度”、“量化数值”、“场景说明”三列）
同时生成一个简短的总结（Summary）
输出示例（针对微短剧播客）：
数据维度量化数值场景说明用户规模6.96 亿中国微短剧观众总数单集时长约 2 分钟行业常见范式集数60-80 集标准短剧长度拍摄周期7-8 天从开拍到杀青团队规模20-40 人常驻人员编剧费用8-10 万总计小反转频率每 6 秒一次行业经验值生死窗口期前 3-5 秒首集开头决定是否继续观看海外成本25 万美金海外制作成本回本概率约 5%当前市场水平
作者还让 AI 自动输出 Markdown 格式的报告，用户可以直接复制到任意 Markdown 编辑器（如 StackEdit）中查看格式化的表格和总结。
5. 技术架构总览
整个应用的技术栈（作者手绘了架构图）：
text
[前端] V0.dev 生成的 React UI
├── 音频 URL 直接输入 ──→ 豆包语音妙计 API（语音转文本）──→ GPT-5（分析）──→ 多维表格报告
├── 本地音频上传 ──→ Cloudflare R2 存储（生成 URL）──→ 豆包语音妙计 API ──→ GPT-5 ──→ 报告
└── 已有文本直接粘贴 ──→ GPT-5 ──→ 报告
所有代码已托管在 GitHub（Public）。环境变量需要配置：
火山引擎豆包 API 的 app_id、access_token、secret_key
OpenAI API key（或替换为其他模型）
Cloudflare R2 的 access_key、secret_access_key、bucket_name、public_url
四、演示与验证
作者在本地运行了完整流程：
将 A座B座 播客的 .m4a 文件上传到 Cloudflare R2，获取 URL。
将 URL 粘贴到工具的输入框，点击“转录”。
豆包语音妙计 API 将 89 分钟的音频转成文本（约 14 万字符）。
转录完成后，点击“分析”，GPT-5 开始生成量化表格（高推理模式耗时稍长，但质量高）。
最终输出完整的 Markdown 报告，用户可一键复制。
如果用户只需要快速测试，可以将 GPT 的 reasoning_effort 改为 low，速度会大幅提升（但分析深度会略有下降）。
五、总结与开源
这个播客分析工具展示了如何利用多个免费/低成本的 AI 服务（飞书妙记 / 豆包语音妙计 + GPT + V0.dev + Cloudflare R2）在极短的时间内构建一个实用应用。作者强调：
非技术人员可以用“飞书妙记 + ChatGPT”的手工流程达到类似效果。
技术人员可以直接 fork 作者的 GitHub 仓库，填入自己的 API key，即可拥有一套自动化的播客分析 Web 服务。
可扩展性：只要修改提示词模板，这个工具可以用于分析任何播客、会议录音、访谈节目，并生成任意结构的分析报告（不仅仅是量化表格）。
作者最后提醒：如果使用 GPT 高推理模式，注意 API 费用；如果追求速度，可改用低推理模式。另外，豆包语音妙计的免费 20 小时对于个人用户来说相当充裕。
访问地址：https://psum.howtobuild.app （前端展示，实际分析需后端配置）
GitHub 仓库：已公开，见作者视频描述或评论区。
今天的分享就到这里。欢迎 fork 并打造你自己的播客分析工具。
喵喵喵
