核心概念
Episode、Speaker、生成模式与数据流说明。
基本概念
- Episode（单集） — ListenHub 的基本内容单元。每个单集有唯一的
episodeId，包含音频、文本脚本和元数据。 - Speaker（音色） — 定义音频的声学特征。通过
speakerId标识，包含语言和性别等属性。调用GET /v1/speakers/list获取可用音色列表，或浏览语音角色文档。
生成模式
| 模式 | 子模式 | 说明 | 生成时间 | API 端点 |
|---|---|---|---|---|
| Podcast | quick | 快速生成，效率优先，适合新闻快报等时效性内容 | 1-2 分钟 | /v1/podcast/episodes |
| debate | 双主持人辩论形式，适合观点讨论和多角度分析 | 2-4 分钟 | ||
| deep | 深度分析，内容质量高，适合专业知识分享和深度解读 | 2-4 分钟 | ||
| Text to Speech | smart | AI 智能优化内容后再合成，适合修复不通顺语句和错别字 | 1-2 分钟 | /v1/flow-speech/episodes |
| direct | 文本直接转换语音，适合已完善的文本和播报 | 1-2 分钟 | ||
| Content Extract | — | 异步 URL 内容提取，适合文章解析、调研和内容分析 | 10-30 秒 | /v1/content/extract |
Podcast 模式支持选择 1-2 个 Speaker（单人或双人播客）。debate 模式必须使用 2 个 Speaker。
输出类型
每个 Episode 生成后可获取两类数据：脚本文本和音频文件。
脚本
音频生成期间，可通过 SSE 提前获取大纲和脚本文本，无需等待音频完成：
- Podcast：创建后 20-60 秒开始推送
- Text to Speech：创建后约 3 秒开始推送
音频文件
音频生成完成后，响应中包含以下字段：
| 字段 | 格式 | 说明 |
|---|---|---|
audioStreamUrl | M3U8 | 流式播放，适合实时场景 |
audioUrl | MP3 | 完整文件，适合下载和离线使用 |
Playground 在线体验
ListenHub 提供在线 Playground，无需编写代码即可体验多音色语音合成。
访问地址：Multi-speaker TTS Playground
- 多角色对话——一次生成包含多个音色的对话音频
- 灵活分配——为每段台词独立指定音色
- 即时试听——在线编辑脚本，实时预览效果
适用于有声书/广播剧制作、对话式内容生成和产品演示快速制作。