开篇

非常有幸可以参加这个课程【【Workshop】构建人生中的第一个 podcast】，这个是微软、ASUS、GPUS开发者社区联合AI创新研讨会的第一个课程：用本地模型创建本地智能体工作坊（构建人生中的第一个 podcast），B站有直播回放。

框架介绍

这个Workshop作为一个EdgeAI的项目案例Agentic工作坊在 EdgeAI 初学者 中维护和更新，其中主要使用多智能体框架 Microsoft Agent Framework 完成多智能体编排工作，构建 Podcast 生产线得到文字版本的对话内容，该课程主讲师对于这个框架有个一课程讲解 Agent-Framework-Samples 也欢迎大家关注。文本对话内容生成音频对话使用的则是 VibeVoice：一种前沿长对话文本转语音模型。

核心模型

文本生成：Qwen3:8b，通过Ollama软件可以下载该模型使用。在项目中也是通过Ollama来运行AI模型的，可以切换使用不同的模型来使用。
语音处理：VibeVoice-7B，实现文本转语音（TTS）与语音克隆功能。这里给出的链接是镜像库。
推荐这两个模型下载后都放置在固态盘中，Ollama通过设置好OLLAMA_MODELS系统变量找到模型，vibevoice直接在运行demo程序的时候指定–model_path扎到模型。

环境搭建与智能体的构建和调试参考

除了在工作坊中有搭建步骤外，可能遇到的其他问题可以参考GPUS开发者社区给出的文字教程：

• (1)环境安装与调试
• (2) Basic Agent
• (3)智能体工作流
• (4)生成多人对话的语音文件
  另外也有其他参与者提供的分享文章：
• 构建小白也能有的本地Podcast
• 用本地模型创建本地智能体工作坊——构建人生中的第一个 podcast的全流程学习笔记与实践复盘
• 手把手带你搭一个本地版 Listenhub

开整

WorkshopForAgentic\code\01.BasicAgent 这个目录的代码主要是安装agent_framework，测试整体环境，初步了解单个智能体的构建。验证过后从WorkshopForAgentic\code\02.Workflow-MultiAgent开始构建工作流生成对话。

脚本生成助手调整

demo给出的对话主要是主持人和专家两个人的，尝试增加第三个人，听众Emma。

	instructions="""
	您是我的播客中文脚本生成助手。请根据提供的搜索结果内容，生成10分钟中文播客脚本。
	重要要求：
	1. 播客脚本必须由三个人物组成对话：
	   - Speaker 1 (主持人Lucy)：引导话题，提问，总结
	   - Speaker 2 (专家Ken)：提供专业知识和详细信息	
	   - Speaker 3 (听众Emma)：提出接地气的问题，分享个人经验或观点	
	2. 脚本主题必须与提供的搜索结果内容完全相关	
	3. 从搜索结果中提取核心主题和关键信息，基于这些内容生成对话	
	4. 不要生成与搜索结果无关的内容	
	5. 确保内容连贯，适合播客对话形式	
	6. 对话要自然流畅，符合不同角色的特点：	
	   - Speaker 1 (Lucy)：专业、友好，引导对话方向	
	   - Speaker 2 (Ken)：知识渊博，解释清晰	
	   - Speaker 3 (Emma)：好奇、真实，代表普通听众的视角，不需要每次主持人和专家对话后都发言，而是在合适的时候提问或分享
	
	最后输出格式如下：	
		Speaker 1: ……	
		Speaker 2: ……	
		Speaker 1: ……	
		Speaker 2: ……	
		Speaker 3: ……	
		Speaker 1: ……
	"""

构建的对话便可以引入第三人，使得整个对话丰富些：

Speaker 1: 大家好，欢迎收听本期《科学漫游指南》！我是主持人Lucy。今天我们要聊一个听起来很“科幻”的理论——圈量子引力。它试图回答一个终极问题：时空到底是什么？ 今天我们请到了理论物理学家Ken Ken，还有听众Emma。Ken，先请您用简单的话解释一下，什么是圈量子引力？
Speaker 2: 好的！圈量子引力（Loop Quantum Gravity）是量子引力理论的一种，它试图把爱因斯坦的广义相对论（描述引力）和量子力学（描述微观世界）统一起来。简单来说，它认为时空不是连续的，而是由离散的“量子环”组成的。就像我们用像素拼出一张照片，时空也被分解成最小的“量子单元”。
Speaker 1: 哇，这和我们日常看到的连续时空完全不同！那这些“量子环”具体是什么样子的？
Speaker 2: 举个例子，想象一个蜘蛛网，每个节点连接着线，而这些节点和线就是“自旋网络”的结构。在圈量子引力中，空间被建模为由这些节点和边构成的网格，每个节点代表一个体积，边代表面积。这种结构在极小的尺度（比如普朗克尺度，约10⁻³⁵米）下会显现出来。
Speaker 3: 听起来很抽象！那这些“量子环”会不会影响我们日常生活？比如，我走在街上，会不会突然被量子时空“卡住”？
Speaker 1: 这是个好问题！Emma，你的疑问很像普通人对量子力学的困惑。Ken，能解释一下吗？
Speaker 2: 很好！其实，这些量子结构只在极小的尺度下起作用，比如接近黑洞奇点或宇宙大爆炸初期。在我们日常生活中，时空仍然表现得像连续的，所以不会影响我们的日常体验。不过，它可能帮助我们理解宇宙的起源，比如避免大爆炸奇点的无限密度问题。
Speaker 1: 原来如此！那圈量子引力和其他理论，比如弦理论，有什么不同呢？
Speaker 2: 这是个关键区别！弦理论假设引力子（引力的量子）是振动的弦，需要额外维度；而圈量子引力不引入额外维度，直接量子化时空。它更像是一种“直接改造”广义相对论的理论，而不是“添加新元素”。
Speaker 3: 听起来圈量子引力更“接地气”？那它有没有可能被实验证实？
Speaker 1: 这是个重要问题！Ken，目前有没有观测证据支持它？
Speaker 2: 目前还没有直接实验证据，但通过引力波观测或宇宙微波背景辐射的量子涨落，或许能间接验证。比如，LIGO探测到的引力波可能包含量子引力效应的“指纹”。不过，这需要极高的精度和长期观测。
Speaker 1: 原来如此！那圈量子引力对普通人有什么意义呢？
Speaker 2: 它可能帮助我们理解宇宙的终极命运，比如黑洞信息悖论，或者解释宇宙如何从“无”中诞生。虽然听起来很科幻，但它正在推动基础科学的边界，甚至可能影响未来的技术发展，比如量子计算和信息理论。
Speaker 3: 听起来真酷！我突然觉得，也许我们生活在一张巨大的“量子蜘蛛网”里？
Speaker 1: 哈哈，Emma说得太形象了！不过，Ken，您觉得圈量子引力的未来会如何？有没有可能成为“标准模型”？
Speaker 2: 这是个值得期待的方向！目前，圈量子引力在数学上自洽，但尚未完全解决所有问题，比如如何与标准模型兼容。不过，它已经在黑洞熵计算和宇宙学模型中展现出潜力。未来，如果能与实验数据结合，它可能会成为量子引力的主流理论之一。
Speaker 3: 那如果圈量子引力被证实，会不会改变我们对“现实”的理解？比如，时间是不是真的存在？
Speaker 1: 这是个哲学层面的问题！Ken，您怎么看？
Speaker 2: 这正是圈量子引力的迷人之处。它挑战了我们对时间和空间的传统认知——时间可能不是连续的，而是由离散的“量子事件”构成。如果被证实，这可能意味着我们生活在一种“量子宇宙”中，每一刻都是由无数量子环编织而成。
Speaker 3: 哇，这简直像科幻小说！那普通人能从中学到什么？
Speaker 1: 嗯，Ken，您觉得圈量子引力对普通人的生活有什么启示吗？
Speaker 2: 也许它能让我们重新思考“存在”本身。比如，我们看到的时空，可能只是量子引力的“表象”，而更深层的结构可能隐藏着宇宙的终极秘密。这提醒我们，科学探索永远在挑战人类的认知边界。
Speaker 3: 真的太震撼了！我突然觉得，科学和哲学其实是一体的，对吧？
Speaker 1: 完全同意！感谢Ken的精彩讲解，也感谢Emma的提问。最后，想问大家：如果时空是离散的，你还会相信“平行宇宙”吗？欢迎在评论区分享你的想法！我们下期再见！
Speaker 2: 谢谢大家，期待下次对话！

语音生成

硬件加速优化

由于默认安装torch很容易会安装到CPU版本，所以需要手动查找合适自己硬件版本的包，搜集如下：

torch ，torchaudio ， torchvision 均可以在pytorch的下载网站找到对应的windows安装包，这个版本可供选择的很多。但是flash-attention和triton官方的都是linux的包，需要在Releases · kingbri1/flash-attention 和 Releases · woct0rdho/triton-windows 找到合适版本的安装包。
【安装后验证】确保 triton+flash_attn+PyTorch 全部正常联动

import torch
import triton
import flash_attn

# 验证1：triton安装成功+版本正确
print("✅ triton版本：", triton.__version__)  # 输出 2.1.0 即可 ✔️
# 验证2：flash_attn导入正常+版本正确
print("✅ flash_attn版本：", flash_attn.__version__) # 输出 2.8.3 ✔️
# 验证3：CUDA+cuDNN+PyTorch全部正常
print("✅ PyTorch版本：", torch.__version__) # 2.8.0+cu128 ✔️
print("✅ CUDA可用：", torch.cuda.is_available()) # True ✔️
print("✅ cuDNN可用：", torch.backends.cudnn.is_available()) # True ✔️

输出结果如下，一切就绪：

代码调试

在Windows无法直接运行.sh，通过分析原本脚本工作流程手动在cmd中完成准备工作，注意模型和对话文本的路径，并且添加了一段自己的音频作为上面提到Speaker 3（观众）的声音，运行实例脚本：

python demo/inference_from_file.py ^
--model_path "D:\Users\Z\AIModel\vibevoice\VibeVoice-7B" ^
--txt_path "../podcast_2.txt" ^
--speaker_names Xinran Anchen Zhong

出现错误：

'(MaxRetryError("HTTPSConnectionPool(host='huggingface.co', port=443): Max retries exceeded with url: /Qwen/Qwen2.5-7B/resolve/main/tokenizer_config.json (Caused by SSLError(SSLCertVerificationError(1, '[SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: unable to get local issuer certificate (_ssl.c:1007)')))"), '(Request ID: 4d12bd0d-5a46-431a-a918-22b5764b02de)')' thrown while requesting HEAD https://huggingface.co/Qwen/Qwen2.5-7B/resolve/main/tokenizer_config.json

是 VibeVoice-7B 强制依赖调用远端 Qwen2.5-7B 导致的网络 + 证书双重问题 。

报错根源：VibeVoice-7B 内部硬耦合了 Qwen2.5-7B 作为语义编码器，初始化时会强制从 HuggingFace 官网下载它的 tokenizer/config 文件，哪怕你本地有完整的 VibeVoice-7B 模型文件，也会触发这个远端请求；而你的环境因为系统证书 / 网络原因，无法访问 huggingface.co，就会无限重试 + 报错。

【最简单、一行代码解决、永久生效】修改脚本，强制本地离线运行（零风险，无脑操作，100% 成功）

import os
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"

运行成功后在RTX3060的处理下需要大概4小时的时间可以生成音频文件。
可以在B站中听取音频效果【GPUS_Workshop】1.本地模型创建本地智能体