前言

在上一篇文章 AI 驅動的 Podcast 摘要系統（1） 中，我分享了如何運用 AI 技術打造一個解決 Podcast 摘要生成挑戰的計畫。隨著 Podcast 節目數量爆炸性成長，挑選出值得一聽的內容變得越來越困難。雖然我目前使用的訂閱工具 Podwise 表現不錯，但對於重度聽眾來說，標準方案的額度仍然不夠。因此，我決定設計並開發一套自動生成 Podcast 摘要的系統，透過語音轉文字、內容分析與摘要生成的流程，來提升效率並降低成本。

系統目標與實作初衷

這套系統的核心目標，是讓使用者能夠快速掌握 Podcast 節目的重點，從而提升整體的聆聽體驗。今天，我終於邁出了實作的第一步。然而，過程中也遇到了一些技術上的挑戰，特別是在取得 Podcast 音檔並將其提供給 Whisper AI 進行語音轉文字處理方面。

自動化流程的探索

一開始，我的構想是先將 Podcast 的音檔下載下來，接著上傳到支援 S3 的服務，再將公開的 S3 URL 提供給線上的 Whisper AI 進行轉錄。為此，我快速測試了兩套自動化流程平台：n8n 與 Dify.AI。雖然 Dify.AI 專注於 AI 流程設計，但在處理 S3 操作時顯得有些繁瑣，需要直接呼叫 Web API。相較之下，n8n 提供了現成的 S3 模組，讓整個操作過程更加簡便，因此我選擇了 n8n 來實現自動化流程。

我的初步設想是，使用者可以透過 HTTPie 或 Postman 等工具上傳檔案，然後 n8n 將檔案上傳到 S3，設為公開，並取得公開的 S3 URL，接著提供給 Whisper API 進行轉錄。這樣一來，我便能獲取 Podcast 節目的轉錄文本。整個流程看似美好，我也迅速在 DigitalOcean 上建立了一組 Spaces Object Storage，並在 n8n 很快地串好了整個流程，簡單來說就是一組 Webhook 串接 S3 檔案上傳，如下圖所示：

意外的發現與反思

然而，當我準備測試這一流程時，才驚覺自己忽略了一個關鍵點：Podcast 的背後技術其實是 RSS，而 RSS 本身已經提供了節目音頻檔案公開訪問的 URL。因此，實際上並不需要花費大量時間下載音頻檔案，再經由 n8n 上傳到 S3。這個步驟無疑是「多此一舉」，完全畫蛇添足。

換句話說，今天的努力全部白費了。我本來只需編寫一個簡單的腳本，提取 RSS XML 中指定節目的音頻檔案 URL，即可直接進行轉錄，並利用 LLM 來生成摘要。這次的經歷讓我明白，有時候看似複雜的流程，其實可以簡化許多。

下一步計畫

基於今天的學習，我決定暫時放下繁瑣的流程，專注於撰寫這篇文章，檢討自己的錯誤，並記錄今天遇到的問題。明天週末，我將花時間順過整個流程，確保它能以最小可行產品（MVP）的方式順利運作。

今天的探索雖然遇到了挫折，但也為未來的開發提供了寶貴的經驗。期待在接下來的日子裡，能夠逐步完善這套系統，為廣大 Podcast 愛好者帶來更便捷的聆聽體驗。

今天就先分享到這裡，感謝閱讀！