核心用法
ListenHub 是一套基于 Shell 脚本的 AI 音视频生成工具集，通过封装 ListenHub 专有 API，提供五种核心能力：
| 模式 | 功能 | 典型场景 |
|------|------|---------|
| Podcast | 1-2人对话式播客生成 | 热点讨论、知识解读 |
| Explainer | 解说视频（旁白+AI画面） | 教程、产品介绍 |
| TTS | 纯文本朗读 | 文章听读、有声书 |
| Speech | 多角色脚本配音 | 有声剧、广播剧 |
| Image | AI图像生成 | 配图、封面设计 |
执行流程：根据用户输入自动识别模式 → 调用 get-speakers.sh 获取可用音色 → 执行对应脚本提交任务 → 后台轮询状态 → 返回结果链接。任务耗时：TTS 1-2分钟，播客 2-3分钟，解说视频 3-5分钟。
特色机制：播客支持「单阶段快速生成」与「双阶段先审后录」两种模式，后者允许用户审阅修改脚本后再合成音频。
显著优点
- 零代码操作：纯 Shell 脚本封装，无需直接调用 REST API
- 多源输入：支持纯文本、YouTube 链接、文章 URL、图片提示词
- 音色丰富：内置多语言多角色语音库，自动匹配语言首选项
- 灵活审校：播客双阶段模式满足内容安全与质量把控需求
- 格式友好：视频默认 2K/16:9，图像支持多种比例与参考图融合
局限与风险
- 封闭生态：API 端点与参数黑箱化，无法自定义模型或微调
- 依赖外部服务：所有生成任务受 ListenHub 平台稳定性与政策约束
- 版权模糊：AI 合成语音与图像的商用授权需用户自行确认服务条款
- 无离线能力：必须联网且持有有效 API Key
- 长文本限制：TTS 单次上限 10,000 字符，超长内容需切分或转 URL
适合人群
- 内容创作者快速制作播客/短视频素材
- 教育工作者生成讲解音频与可视化课件
- 无障碍需求用户将文章转为语音
- 需要多语言多音色配音的本地化团队
常规风险
| 风险项 | 等级 | 说明 |
|--------|------|------|
| API Key 泄露 | 中 | 需妥善保管 `lh_sk_...` 密钥，避免硬编码提交版本控制 |
| 生成内容合规 | 中 | AI 合成内容可能涉及肖像权、版权问题，商用前建议二次审核 |
| 服务可用性 | 低 | 依赖 ListenHub 平台，存在服务中断或计费策略变更风险 |
| 输出质量波动 | 低 | 播客对话逻辑、图像细节可能需多次迭代优化 |