一句话生成多人播客cgft-llm基于DeepSeek优化的端到端播客工具D.Va深度解析【免费下载链接】cgft-llmcgft-llm 是一个学习大语言模型LLM开发的开源资源。它提供代码、文档和视频教程帮助用户通过实践掌握前沿核心 LLM 技术项目地址: https://gitcode.com/echonoshy/cgft-llmcgft-llm 是一个 LLM大语言模型开发动手学习开源资源其「不着调的 AI 项目」系列中有一个非常亮眼的D.Va基于 DeepSeek 优化的端到端多人播客工具——输入一句话主题就能生成多角色互动的播客节目。本文将深度解析 D.Va 的端到端工作流、DeepSeek 微调优化的价值并给新手一条快速上手的完整学习路径。 D.Va 是什么一句话生成多人播客D.Va 是 cgft-llm 仓库「不着调的 AI 项目」系列的第 1 期项目定位为基于 DeepSeek 优化的端到端多人播客工具配套视频教程时长约 13 分钟可在 README.md 的项目导航表中找到入口。用一句话概括它的核心能力️ 你只说一句「聊聊 AI 圈最近的大新闻」D.Va 就能自动产出多位虚拟角色你一句、我一句的完整播客节目。相比让大模型写一段文字稿这种单点玩法D.Va 走的是端到端路线从主题理解、多角色对话生成到声音合成整条链路自动完成新手无需自己拼接脚本和语音模块这正是它作为教学项目最吸引人的地方。 D.Va 的端到端播客工作流拆解端到端意味着用户输入与最终产物之间中间环节全部由 LLM 自动编排完成。可以把 D.Va 的工作流理解为一个闭环循环输入用户的一句主题prompt编排LLM 判断要不要调用工具——需要合成声音、加载角色资料时就走工具分支普通对话则直接生成执行工具工作流完成具体动作如 TTS 语音合成结果再回流给 LLM 决定下一轮动作产出多角色轮流发言的完整播客音频这种LLM 做决策 工具执行的循环正是大模型 Agent 最经典的工作方式。下图展示了该工作流的核心逻辑引自仓库 function-calling 模块图中可以清楚看到Human → Tools Workflow → LLM的链路LLM 判断用不用工具yes走工具分支执行动作no则直接响应形成完整闭环。理解这张图就理解了 D.Va 背后一句主题变整档播客的自动编排原理。实现细节可参考 function-calling/README.md。 多人角色设定播客感的关键多人播客区别于单播客的核心在于多位角色轮流发言、互相接话而每位角色都要保持自己的人设与语气。这对大模型提出了更高要求既要理解对话走向又要记住自己是哪个角色、该说什么、不该说什么。仓库在 function-calling/README.md 的思考部分还提出了一个更远的设想如果这样的多角色 AI 能加上对话情感喜怒哀乐和对应动作就会演变成真正的 AI 机器人——D.Va 正是这条路线的第一步实践。 为什么是基于 DeepSeek 优化标题里的基于 DeepSeek 优化是 D.Va 的技术亮点拆开看有两层含义1. 选用 DeepSeek-R1 增强推理能力多角色对话是典型的长链路任务每一轮发言都要考虑上下文、角色立场、对话节奏。DeepSeek-R1 的链式推理能力让 LLM 在多轮对话中不掉线角色发言更稳定、更有逻辑。仓库配套了完整的微调教程 deepseek-r1-finetune.md涵盖 R1 数据整理与 LoRA 微调实操。2. 用 LoRA 微调强化角色对话风格通用模型谁都能聊两句但播客需要的是人设鲜明。通过 llama-factory 做 LoRA 微调可以让模型稳定输出特定角色的语气和表达习惯。仓库中保留了现成的训练配置供学习LoRA SFT 训练配置train_llama3_lora_sft.yaml合并与推理配置merge_llama3_lora_sft.yaml训练数据集示例fintech.json此外仓库文档 rpa-automation-with-llm-agent.md 也将 D.Va 列为 RPA LLM Agent 落地的相关资源——播客自动生成本质上也是 AI 应用自动化最后一公里的一个有趣案例。 在 cgft-llm 中延伸学习的路径D.Va 用到的技术在 cgft-llm 中都有配套代码与文档新手可以按下面的路径循序渐进学习点对应资料DeepSeek-R1 微调与训练数据构造deepseek-r1-finetune.mdLoRA 微调实操llama-factoryllama-factory/README.mdFunction Calling 原理与调用工作流function-calling/README.mdRAG 知识库可为播客主题准备素材rag-knowledge-base/readme.md大模型学习路径总览llm-roadmap.md 新手上手三步走克隆仓库获取全部代码与文档git clone https://gitcode.com/echonoshy/cgft-llm打开 README.md定位到「5. 不着调的 AI 项目」一栏找到 D.Va 项目的文档与视频教程时长 13:42跟随视频复现流程再对照上文的学习路径表把 DeepSeek 微调、Function Calling 两个模块吃透 总结D.Va 证明了一句话生成多人播客并不是概念演示通过DeepSeek 优化 端到端自动编排多角色对话生成与语音合成可以被完整地串联起来。而 cgft-llm 的价值在于它把这条链路拆成了可学习、可复现的模块——从微调文档到 function-calling 工作流新手都能跟着动手跑一遍。下一期你可以试试换一套角色人设用自己微调的模型再生成一档播客看看效果差多少 【免费下载链接】cgft-llmcgft-llm 是一个学习大语言模型LLM开发的开源资源。它提供代码、文档和视频教程帮助用户通过实践掌握前沿核心 LLM 技术项目地址: https://gitcode.com/echonoshy/cgft-llm创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考