这是一个系列教程/笔记本，旨在提供一个将 PDF 转换为播客的工作流程参考或课程。
您还可以从使用文本转语音模型的实验中学习相关知识。
该教程假设读者对大型语言模型（LLMs）、提示词和音频模型毫无基础知识，每个知识点都在相应的笔记本中详细涵盖。
目录：以下是逐步完成任务的思路：
步骤 1：预处理 PDF：使用 Llama-3.2-1B-Instruct 模型预处理 PDF，并将其保存为 .txt 文件。
步骤 2：编写播客脚本：使用 Llama-3.1-70B-Instruct 模型从文本中生成播客脚本。
步骤 3：戏剧化重写：使用 Llama-3.1-8B-Instruct 模型，使脚本内容更加富有戏剧性。
步骤 4：文本转语音工作流：使用 parler-tts/parler-tts-mini-v1 和 bark/suno 模型生成对话形式的播客。
注释 1：在步骤 1 中，我们提示 1B 模型不要修改文本或进行总结，仅需清理编码导致的多余字符或乱码。更多细节请参见笔记本 1 的提示。
注释 2：在步骤 2 中，您还可以使用 Llama-3.1-8B-Instruct 模型。我们推荐您尝试不同模型并进行比较。之所以选择 70B 模型，是因为在测试示例中，该模型生成的播客脚本更具创造性。
注释 3：在步骤 4 中，建议尝试使用其他模型。这些模型基于特定提示选择，在测试中效果最佳，但可能有更新模型效果更佳。详细测试请参阅说明。
运行笔记本的详细步骤：要求：需具备 GPU 服务器或能够调用 70B、8B 和 1B Llama 模型的 API 服务。运行 70B 模型时需 GPU 集成内存约 140GB，才能在 bfloat-16 精度下推理。
注意：对于 GPU 资源较少的用户，可以全程使用 8B 或更低模型。以下流程基于测试中的最佳效果，但具体效果因配置不同可能有所不同，请自行尝试！
在开始之前，请使用 huggingface cli 登录，并启动 Jupyter Notebook 服务器，以便下载所需的 Llama 模型。
您将需要 Hugging Face 的访问令牌，可在设置页面获取。运行 huggingface-cli login，粘贴访问令牌完成登录，以确保脚本可以下载 Hugging Face 模型。
首先，从这里安装所需依赖，运行以下命令：
git clone https://github.com/meta-llama/llama-recipescd llama-recipes/recipes/quickstart/NotebookLlama/pip install -r requirements.txt
笔记本 1：
本笔记本用于处理 PDF，并使用新的 Feather light 模型将其转换为 .txt 文件。
在第一个代码单元格中输入所需 PDF 链接。请自行选择 PDF，并更新笔记本中的链接。
尝试修改 Llama-3.2-1B-Instruct 模型的提示，看看能否优化结果。
笔记本 2：
本笔记本将处理后的文本转换为创意性的播客脚本，使用 Llama-3.1-70B-Instruct 模型。如有强大 GPU 资源，可测试 405B 模型！
请尝试更改系统提示词，查看效果是否有所提升，并使用 8B 模型测试对比。
笔记本 3：
此笔记本从上一部分的脚本生成结果中调用 Llama-3.1-8B-Instruct，为对话增加戏剧性和停顿。
关键之处在于，我们将对话生成成元组形式，后续处理更加便利。数据结构基础知识在此派上用场了！
在文本转语音逻辑中，我们使用两种不同模型，针对不同提示词各有表现。因此，为每个角色单独定制提示。
请继续尝试更改系统提示，查看结果，并在此阶段测试 feather light 3B 和 1B 模型。
笔记本 4：
最后，将前面生成的内容转换为播客。我们使用 parler-tts/parler-tts-mini-v1 和 bark/suno 模型实现对话。
在选择 parler 模型的对话角色和提示时，基于模型作者的建议进行了实验。您可尝试不同方法，更多细节见资源部分。
注意：目前有一个问题：Parler 需要 transformers 4.43.3 或更早版本，而步骤 1 到 3 需要最新版本。因此在最后的笔记本中需要切换版本。进一步改进/未来的思路：语音模型实验：TTS 模型决定了播客的自然性。可以通过更好的流程和专业人士的帮助改进——欢迎贡献代码！
多 LLM 讨论：另一种生成播客脚本的方法是让两个代理讨论相关主题。目前使用的是单一 70B 模型编写播客大纲。
测试 405B 模型进行脚本创作
更优的提示词设计
支持导入网站、音频文件、YouTube 链接等。同样，欢迎社区贡献！
