使用 ListenHub API 将文本转换为语音（TTS）。支持三种模式：快速合成（/v1/tts）、多角色脚本（/v1/speech）、长文本流式合成（/v1/flow-speech/episodes）。音色未指定时自动获取音色列表供用户选择，默认使用 chat-girl-105-cn（晓曼）。 Use when user says: "tts", "text to speech", "语音合成", "文字转语音", "朗读", "生成语音", "生成音频", "转音频", "text to audio"

ListenHub TTS: 文本转语音使用 ListenHub OpenAPI 将文本转换为语音。支持三种合成模式，覆盖从短文本到长文本的全场景。 API 信息 Base URL: https://api.marswave.ai/openapi 认证: Authorization: Bearer $LISTENHUB API KEY （从环境变量读取）前置检查: 调用任何 API 前先确认 LISTENHUB API KEY 环境变量已设置，未设置则提示用户配置音色选择流程用户已明确指定音色直接使用用户指定的 speakerId，跳过选择流程。用户未指定音色 1. 调用 GET /v1/speakers/list?language=zh 获取可用音色列表 2. 按 AskUserQuestion 展示音色列表供用户选择，格式如下：默认选中 chat girl 105 cn （晓曼 dxqqq）列表展示： {name}（{gender}，{speakerId}）附带每个音色的 demoAudioUrl 供参考 3. 用户确认后使用选定的 speakerId 默认音色字段值 speakerId chat girl 105 cn 名称晓曼 dxqqq 三种合成模式模式一：快速合成（短文本，单音色）适用场景：短文本（< 1000 字），单音色，需要低延迟接口： POST /v1/tts 请求体：参数类型必填说明 text string 是要合成的文本 speakerId string 是音色 ID format string 否输出格式，默认 mp3 sampleRate int 否采样率，默认 24000 speed float 否语速，默认 1.0 ，范围 0.5 ~ 2.0 响应：直接返回 MP3 二进制流（ Content Type: audio/mpeg ）调用示例：模式二：多角色脚本合成适用场景：多角色对话、播客、有声书片段，需要不同音色交替朗读接口： POST /v1/speech 请求体：参数类型必填说明 script array 是脚本数组，每项包含 text 和 speakerId script[].text string 是该段文本 script[].speakerId string 是该段的音色 ID format string 否输出格式，默认 mp3 sampleRate int 否采样率，默认 24000 响应： JSON 调用示例：模式三：长文本流式合成适用场景：长文本（ 1000 字），文章朗读，需要 AI 润色或分段处理接口： POST /v1/flow speech/episodes 请求体：参数类型必填说明 title string 是音频标题 content string 否文本内容（与 contentUrl 二选一） contentUrl string 否内容 URL（与 content 二选一） speakerId string 是音色 ID mode string 否 direct （直接合成）或 aiPolish （AI 润色），默认 direct format string 否输出格式，默认 mp3 响应： JSON 轮询获取结果：轮询策略： 1. 提交后等待 30 秒 2. 之后每 10 秒轮询一次 3. 直到 status 变为 completed 或 failed 轮询响应： status 值说明 processing 合成中，继续轮询 completed 合成完成，audioUrl 可用 failed 合成失败，查看 errorMessage 调用示例：音色列表查询接口： GET /v1/speakers/list 查询参数：参数类型必填说明 language string 否筛选语言，如 zh （中文）、 en （英文）响应：模式选择逻辑根据用户输入自动选择最合适的模式：条件模式文本 ≤ 1000 字，单音色模式一： /v1/tts 多角色脚本，需要不同音色模式二： /v1/speech 文本 1000 字，或需要 AI 润色模式三： /v1/flow speech/episodes 用户提供 URL 作为内容来源模式三： /v1/flow speech/episodes 如果用户明确指定模式，优先使用用户指定的模式。用户交互音色选择当用户未指定音色时，使用 AskUserQuestion 展示音色列表：合成参数可选询问：语速 speed（默认 1.0）输出格式 format（默认 mp3）长文本模式：direct 还是 aiPolish（默认 direct）输出文件路径（默认 ./output.mp3 ）输出 1. 将音频保存到指定路径（默认 ./output.mp3 ） 2. 输出合成摘要：使用的模式音色名称和 ID 音频时长文件大小文件路径错误处理 401 Unauthorized: 提示用户检查 LISTENHUB API KEY 环境变量 400 Bad Request: 检查请求参数，向用户报告具体错误 flow speech failed: 报告 errorMessage，建议用户重试或切换模式网络错误: 提示检查网络连接，建议重试完整示例用户输入： "把这段文字转成语音：今天天气真好，适合出去散步。" 执行流程： 1. 检查 LISTENHUB API KEY ✓ 2. 文本长度 < 1000 字，单音色 → 选择模式一 /v1/tts 3. 用户未指定音色 → 默认使用 chat girl 105 cn （晓曼） 4. 调用 API 合成 5. 保存到 ./output.mp3 6. 输出摘要用户输入： "用晓曼的声音朗读这篇文章：article.md" 执行流程： 1. 读取 article.md 内容 2. 检查文本长度 1000 字 → 选择模式三 /v1/flow speech/episodes 3. 音色已指定： chat girl 105 cn （晓曼） 4. 提交合成任务 5. 轮询直到完成 6. 下载音频保存到 ./article.mp3 7. 输出摘要

listenhub-tts