企业官网建设流程全解析

• 网页爬虫
• 人工智能
• AI 应用

本文围绕 Scrapegraph-ai 官方示例 examples/speech_graph/README.md 展开，系统讲解 SpeechGraph 的核心能力：一条集网页抓取、内容解析、LLM 文本分析与语音合成（Text-to-Speech）于一体的端到端管线。你将掌握 SpeechGraph 的图结构与节点调用链、graph_config的完整配置方法、环境变量设置，以及如何把示例 speech_graph_openai.py 改造为可直接运行的语音摘要生成脚本，并学会解读执行统计信息。

SpeechGraph 是什么

SpeechGraph 是 Scrapegraph-ai 提供的"语音摘要图"：它抓取指定网页，让 LLM 根据用户 prompt 生成一段文字回答，再调用 TTS 模型把回答合成为音频文件输出。从源码类注释看，它的定位是"a scraping pipeline that scrapes the web, provide an answer to a given prompt, and generate an audio file"（见 speech_graph.py）。

官方 README 归纳的四大能力分别为：

• Speech-to-text conversion（语音转文本）——对音频输入做语音识别与内容提取；
• Audio processing（音频处理）——音频数据的预处理与输出；
• Text analysis（文本分析）——对抓取内容进行 LLM 语义分析；
• Sentiment analysis（情感分析）——对文本做情绪/倾向性判断。

安装与初始化环境

安装依赖

在仓库根目录下，通过requirements-dev.txt安装开发所需依赖（包含dotenv、openai等运行 SpeechGraph 必需的库）：

pip install -r requirements-dev.txt

若希望最小化安装，至少需要：scrapegraph-ai主体、python-dotenv（加载.env）、以及openai（驱动 TTS 客户端）。

配置环境变量

1. 复制环境变量模板：将 examples/speech_graph/.env.example 拷贝为同目录下的.env文件：

cp examples/speech_graph/.env.example examples/speech_graph/.env

2. 在.env中填入你的 API Key：

# OpenAI API Configuration OPENAI_API_KEY=your-openai-api-key-here # Whisper API Configuration (Optional) WHISPER_API_KEY=your-whisper-api-key-here # Optional Configurations MAX_TOKENS=4000 MODEL_NAME=gpt-4-1106-preview TEMPERATURE=0.7 # Speech Settings AUDIO_FORMAT=mp3 SAMPLE_RATE=16000

READMEE 明确给出的两个核心变量为：

模板中的MODEL_NAME、TEMPERATURE、MAX_TOKENS、AUDIO_FORMAT、SAMPLE_RATE为可选配置，示例脚本本身仅从环境读取OPENAI_API_KEY，其余参数可直接写进graph_config。

核心使用方式：一行图、一段话、一个音频

README 给出的最小调用范式如下：

from scrapegraphai.graphs import SpeechGraph graph = SpeechGraph() text = graph.process("audio_file.mp3")

需要说明的是，这是 README 的示意性 API。在当前仓库的实际实现中，SpeechGraph 的构造与运行接口是prompt + source + config三元组配合run()（见 speech_graph.py 与run()方法），process并非现有公开方法。真实可运行的写法请以下一节示例为准。

完整可运行示例解析

仓库提供了官方可运行脚本 examples/speech_graph/speech_graph_openai.py，其目标是把https://perinim.github.io/projects/页面内容总结成一段语音。逐段拆解如下：

1) 定义音频输出路径

import os from dotenv import load_dotenv from scrapegraphai.graphs import SpeechGraph from scrapegraphai.utils import prettify_exec_info load_dotenv() FILE_NAME = "website_summary.mp3" curr_dir = os.path.dirname(os.path.realpath(__file__)) output_path = os.path.join(curr_dir, FILE_NAME)

脚本把生成的音频命名为website_summary.mp3，输出到脚本所在目录（即examples/speech_graph/下）。

2) 构造 graph_config

openai_key = os.getenv("OPENAI_API_KEY") graph_config = { "llm": { "api_key": openai_key, "model": "openai/gpt-4o", "temperature": 0.7, }, "tts_model": {"api_key": openai_key, "model": "tts-1", "voice": "alloy"}, "output_path": output_path, }

配置分三层，对应三种模型/职责：

• llm：回答生成的基座模型。model采用provider/model形式，openai/gpt-4o会被 abstract_graph.py 拆分为 provider=openai、model=gpt-4o并交给init_chat_model实例化；temperature控制回答随机性。
• tts_model：语音合成模型配置，默认值见 openai_tts.py：model默认tts-1，voice默认alloy（OpenAI 内置音色之一）。
• output_path：音频落盘路径。若不提供，run()会回退到默认文件名output.mp3（见 speech_graph.py）。

3) 实例化并运行

speech_graph = SpeechGraph( prompt="Make a detailed audio summary of the projects.", source="https://perinim.github.io/projects/", config=graph_config, ) result = speech_graph.run() print(result)

• prompt决定 LLM 回答的内容与风格；
• source为抓取目标。SpeechGraph 在初始化时会根据 source 前缀自动判断输入类型：source.startswith("http")时输入键为url，否则为local_dir（见 speech_graph.py），因此 source 也可以是本地目录路径；
• run()返回图执行后的最终回答文本（final_state["answer"]），同时会把生成的音频写入output_path。

4) 打印执行统计

graph_exec_info = speech_graph.get_execution_info() print(prettify_exec_info(graph_exec_info))

get_execution_info()返回各节点的执行明细（token 数、请求数、成本、耗时），prettify_exec_info会将其格式化为表格文本（见 prettify_exec_info.py），便于观测全链路开销。

图结构与底层调用链

SpeechGraph 通过_create_graph()串联四个节点（见 speech_graph.py）：

FetchNode → ParseNode → GenerateAnswerNode → TextToSpeechNode

• FetchNode：根据url | local_dir抓取页面内容。URL 场景下默认使用 ChromiumLoader 渲染页面（headless），得到doc；若use_soup为 True 则改用requests直接拉取 HTML（见 fetch_node.py）。
• ParseNode：将 HTML 转为纯文本（Html2TextTransformer），再按chunk_size切块，产出parsed_doc。SpeechGraph 传入的chunk_size取自self.model_token——即 LLM 模型的 token 上限（见 parse_node.py）。
• GenerateAnswerNode：把user_prompt与文档内容交给 LLM 生成回答，写入answer。单文档走TEMPLATE_NO_CHUNKS直接回答；多分块则并行分块作答后合并（见 generate_answer_node.py）。
• TextToSpeechNode：从状态取出answer文本，交给 TTS 模型合成音频字节，写入audio（见 text_to_speech_node.py）。

图由 BaseGraph 驱动：从入口节点FetchNode开始，沿边依次执行；execute()结束后的final_state中同时含有answer（文本）与audio（字节）。

音频落盘的关键一步

run()中TextToSpeechNode产出的只是字节数据，真正写文件的是 save_audio_from_bytes：

audio = self.final_state.get("audio", None) if not audio: raise ValueError("No audio generated from the text.") save_audio_from_bytes(audio, self.config.get("output_path", "output.mp3"))

OpenAITextToSpeech.run()调用client.audio.speech.create(model, voice, input)并返回response.content（见 openai_tts.py），即音频的二进制内容。若图执行后未产生audio，会直接抛出ValueError，提醒检查 TTS 配置。

运行前提与注意事项

1. 网络与 Key 依赖：整个流程需要能访问 OpenAI API 的网络环境，且OPENAI_API_KEY同时用于 LLM 与 TTS，Key 失效会先后在回答生成和语音合成阶段失败。
2. 模型可用性：gpt-4o、tts-1均为示例所写模型；实际可用性以你的 API 账号为准。若要切换，只需修改graph_config中的model字段。
3. 输出文件：output_path指向脚本同目录的website_summary.mp3，运行时该目录需可写。
4. 输入类型灵活：source支持 URL 或本地目录，SpeechGraph 自动在url/local_dir两种输入键间切换。
5. 成本观测：TTS 调用按字符计费，回答越长、合成音频越大、成本越高；建议先用prettify_exec_info查看生成节点的 token 与成本统计后再规模化运行。

小结

SpeechGraph 把"网页抓取 → LLM 文本分析 → 语音合成"三条能力串成一条可复用管线：graph_config只暴露llm、tts_model、output_path三个核心配置块，图内部则由 Fetch → Parse → GenerateAnswer → TextToSpeech 四个节点协作完成。官方 README 与 speech_graph_openai.py 共同构成了最快上手的路径：配置.env、组装配置字典、实例化SpeechGraph并run()，即可获得一份由任意网页生成的音频摘要。想要进一步定制，可参照 speech_graph.py 的节点组装逻辑，替换tts_model或接入 schema 结构化输出。

• 网页爬虫
• 人工智能
• AI 应用