Make教程：用Make + OpenAI打造零人工干预的每日新闻播客

概述

对于内容创作者和信息焦虑者来说，这是一个高价值的生产力构建方案。通过Make串联Notion、OpenAI (GPT-4o) 和Google Drive，可以将碎片化的阅读列表自动转化为高质量的音频播客。

本教程将教你搭建一个完全自动化的播客生产系统：

1. 自动抓取 Notion中的新闻/文章列表
2. AI生成 播客脚本文案
3. 语音合成 生成MP3音频文件
4. 自动存储 上传到Google Drive

完成后，系统每天自动生成播客，完全无需人工干预！

从Notion到OpenAI再到Google Drive的完整自动化流程

---

核心决策因素

在选择此类自动化方案时，你需要关注：

• 集成深度 - 是否支持你现有的知识库（如Notion）和云存储（如Google Drive）
• AI模型质量 - 生成的文案是否自然？TTS（语音合成）是否僵硬？
• 数据结构处理 - 能否处理数组聚合（Aggregator）和结构化数据（JSON）
• 扩展性 - 未来是否支持多语言翻译或分发到不同平台

---

技术规格参考

参数项	设定值	备注
核心模型 (LLM)	GPT-4o	质量更高，适合生成核心文案，但成本较高
最大Token数	2,000	针对1000-2000字的播客脚本预留空间
音频生成模型	OpenAI TTS	支持多语言，自动根据文本语言生成对应语音
音频语速	1.1x 或 1.2x	提高信息获取效率，符合现代听众习惯
音频格式	MP3	通用性最强，便于存储和分发
单次处理条目数	3条	用于演示聚合功能
输出格式要求	JSON	强制AI输出JSON格式以便后续拆分标题和正文

---

前置准备

在开始之前，请确保你已经准备好：

• Make.com 账号（免费注册）
• Notion 账号和一个新闻/文章数据库
• OpenAI API 密钥（用于GPT-4o和TTS）
• Google Drive 账号（用于存储音频文件）

---

Step 1: 配置Notion数据源

首先在Notion中创建或准备一个文章数据库，包含以下字段：

• 标题 (Title)
• 内容摘要 (Text)
• 日期 (Date)
• 状态 (Select) - 如”待处理”、“已生成”

在Make中添加Notion Search模块，配置：

• 选择你的数据库
• 设置筛选条件（如日期为今天）
• 限制返回条目数（如3条）

---

Step 2: 使用Text Aggregator聚合数据

这是流程中至关重要的一步，很多新手会在这里卡住。

将多条Notion数据聚合成一个文本块

为什么需要聚合？

如果不使用Aggregator，每条Notion数据会单独触发一次OpenAI调用，导致：

• API被多次零散调用，浪费成本
• 生成的播客是碎片化的，缺乏连贯性

配置步骤：

1. 添加Text Aggregator模块
2. 设置源模块为Notion Search
3. 定义聚合格式，如：标题：{{title}}\n摘要：{{summary}}\n\n

---

Step 3: 配置OpenAI生成播客脚本

这是核心技术点：通过Prompt Engineering控制AI的输出格式。

System角色定义和JSON格式的强制要求

Prompt设计要点

System角色：

你是一位专业的播客主持人，擅长将新闻资讯转化为生动有趣的口播稿。
请严格按照JSON格式输出，包含title和content两个字段。

User消息：

请将以下新闻摘要转化为一期5分钟的播客脚本：

{{聚合后的文本}}

输出格式示例：
{"title": "今日AI快讯", "content": "大家好，欢迎收听..."}

关键参数设置

• Model: gpt-4o（质量更高）
• Max Tokens: 2000
• Response Format: 强制JSON

---

Step 4: JSON解析与数据提取

OpenAI返回JSON后，需要解析提取标题和正文。

添加JSON Parse模块：

• 输入：OpenAI的输出内容
• 输出：分离的title和content字段

注意：如果AI生成的JSON包含额外标点（如前缀逗号），会导致解析报错。建议在Prompt中明确要求”只输出纯JSON，不要任何前缀或后缀”。

---

Step 5: 生成语音文件

使用OpenAI的TTS（Text-to-Speech）将文案转为语音。

音色选择、速度设置和格式配置

关键配置：

• Model: tts-1 或 tts-1-hd
• Voice: 选择合适的音色（如alloy、echo、nova等）
• Speed: 1.1x 或 1.2x（提高信息获取效率）
• Format: MP3

---

Step 6: 上传到Google Drive

最后，将生成的MP3文件上传到Google Drive。

1. 添加Google Drive - Upload a File模块
2. 选择目标文件夹
3. 文件名使用动态变量：{{title}}_{{formatDate(now; "YYYY-MM-DD")}}.mp3

---

最终效果

生成的播客标题、文案以及嵌入的音频文件

设置好时间触发器（如每天早上8点），系统会自动：

1. 抓取昨天或当天的新闻
2. 生成播客脚本
3. 转换为语音
4. 上传到云端

完全无需人工干预！

---

注意事项

在搭建过程中需要注意：

1. Make的交互逻辑 - 如果前置模块没有实际运行，后置模块无法获取变量。建议先试运行一次流程来”生成”数据样本。

2. JSON格式的脆弱性 - AI生成的内容可能包含额外标点，导致JSON Parse报错。在Prompt中明确要求纯JSON输出。

3. API成本控制 - GPT-4o + TTS每日运行成本需关注。如果成本敏感，可考虑使用GPT-3.5-turbo生成脚本。

4. 数据聚合必要性 - 务必使用Text Aggregator，避免API被多次零散调用。

---

适用场景

推荐使用的用户

• 技术型内容创作者 - 希望将博客、Newsletter自动转为音频内容
• 信息极客 - 需要每天高效摄入特定领域资讯，习惯听音频
• 企业用户 - 需要自动生成每日早报或内部简报

可能不适合的情况

• 对JSON、Webhook、API Key完全没概念的零基础用户
• 对音质有广播级要求，需要专业主播演绎的场景

---

Make vs Zapier

虽然Zapier上手简单且生态更丰富，但在处理复杂逻辑时，Make具有明显优势：

对比项	Make	Zapier
数据聚合	原生支持Aggregator	需要额外步骤
路由分支	可视化Router	相对复杂
画布操作	直观的连线布局	线性步骤
复杂自动化	更适合	简单任务更适合

---

常见问题

这个工作流每天运行的API成本大概多少？

使用GPT-4o和TTS模型，每天生成一期1000-2000字的播客，API成本约在0.1-0.3美元，具体取决于内容长度和音频时长。

Make和Zapier哪个更适合这种自动化？

对于复杂的多步骤自动化（如数据聚合、JSON解析、多分支路由），Make的画布式操作更具优势。Zapier更适合简单的单步自动化。

生成的语音质量如何？

OpenAI TTS语音自然流畅，支持多语言，但缺乏专业主播的情感起伏和呼吸感，适合信息类播客而非故事类内容。

可以生成其他语言的播客吗？

可以。OpenAI TTS自动根据文本语言生成对应语音，输入英文内容可直接生成英文播客，甚至支持法语、德语等多语言。

---

下一步

学会了基础工作流后，你可以尝试：

• 添加多语言翻译模块，生成双语播客
• 集成到微信、小红书等平台自动分发
• 添加背景音乐和片头片尾
• 设置错误处理和重试机制

有问题欢迎在评论区留言交流！