Plan de Podcast Studio agnóstico

Estado: plan futuro, no compromiso de implementación inmediata.

Objetivo

Tomar Audio Overviews de NotebookLM como referencia de producto para generar podcasts basados en fuentes, pero implementar la capacidad como una tubería abierta, modular y configurable. Ningún formato, modelo, proveedor ni número de voces forma parte fija del núcleo de SkillNet.

Experiencia de partida

La primera experiencia puede mantener los controles reconocibles de NotebookLM:

• selección de fuentes;
• indicación opcional sobre el enfoque;
• formato;
• duración;
• idioma;
• generación en segundo plano;
• reproducción con transcripción y fuentes asociadas.

NotebookLM es la referencia inicial, no una dependencia ni un límite del producto. Su documentación pública describe esos controles y la generación de Audio Overviews desde fuentes: Generate Audio Overview in NotebookLM.

Arquitectura

PodcastRequest
  -> SourceGrounder
  -> EditorialPlanner
  -> ScriptGenerator
  -> ScriptReviewer
  -> VoiceRenderer
  -> AudioPostProcessor
  -> PodcastArtifact

Cada etapa tiene un contrato propio y puede cambiarse sin modificar las demás. El flujo no debe llamar directamente a un proveedor desde la lógica de producto.

Solicitud común

PodcastRequest
  sources
  focus?
  format?
  duration?
  language?
  cast?

La solicitud expresa qué resultado quiere la persona. No incluye nombres de modelos, identificadores de voces ni parámetros particulares de una API.

Proveedores por capacidad

Un adaptador de voz declara lo que realmente puede hacer:

VoiceCapabilities
  max_speakers
  native_dialogue
  available_voices
  max_input_length

El renderizador adapta el plan a esas capacidades:

• una voz disponible: narración;
• dos voces disponibles: conversación;
• más voces disponibles y solicitadas: formato con reparto mayor;
• diálogo nativo: el proveedor recibe el diálogo;
• TTS simple: SkillNet sintetiza intervenciones y construye el resultado.

La ausencia de una capacidad reduce el formato; no impide generar el podcast.

Calidad del contenido

La mejora principal frente al flujo actual es separar preparación, escritura y revisión:

fuentes -> mapa editorial -> estructura -> guion -> revisión -> audio

• El mapa editorial recoge qué ideas deben aparecer y su relación con las fuentes.
• La estructura decide el orden y el desarrollo del episodio.
• El generador escribe el guion para el reparto disponible.
• El revisor detecta falta de fundamento, repetición y diálogo poco natural y solicita una corrección antes de sintetizar.

Estas etapas también son reemplazables. Una instalación puede usar el mismo modelo para todas, modelos distintos o implementaciones locales.

Configuración

SkillNet ofrece un diseño predeterminado para que la función opere sin configuración detallada. Como punto de partida:

formato: deep dive
duración: media
idioma: el configurado
reparto: dos voces cuando el proveedor pueda; una cuando no

La configuración puede sobrescribirse en el despliegue y en cada generación. Los valores predeterminados nunca deben convertirse en supuestos internos del pipeline.

Relación con lo existente

El productor actual ya dispone de grounding, formatos, guion validado, Text-to-Dialogue y fallback por intervenciones. La evolución debe conservar ese productor detrás del contrato nuevo y separar progresivamente sus responsabilidades; no requiere descartarlo.

La modalidad sigue generándose bajo demanda y en segundo plano según delivery-modalities.md. El podcast continúa separado del chat, Realtime y la mascota según conversational-modalities.md.

Fases

1. Introducir los contratos de solicitud, plan y capacidades sin cambiar el resultado actual.
2. Separar mapa editorial, guion y revisión.
3. Adaptar automáticamente el reparto a las capacidades del proveedor.
4. Exponer los controles de fuentes, enfoque, formato, duración e idioma.
5. Mejorar síntesis y acabado mediante módulos opcionales.

Criterios del diseño

• funciona con uno o varios hablantes;
• ningún proveedor es obligatorio;
• cada etapa puede sustituirse;
• existe una configuración predeterminada utilizable;
• las fuentes se conservan durante la planificación y escritura;
• la generación sigue siendo asíncrona;
• cambiar de proveedor no modifica cursos ni artefactos ya creados.

No decidido todavía

• proveedores y modelos predeterminados;
• voces concretas;
• parámetros exactos de cada formato;
• controles avanzados de edición;
• coste o límites de generación por instalación.