给你的 AI 助手装上嘴巴：用 ListenHub TTS 让 OpenClaw 机器人开口说话

OpenClaw 是什么，为什么值得关注

OpenClaw 是一款开源 AI 助手框架，你可以把它理解为"AI 聊天机器人的底座"——它帮你处理多平台消息接入、对话管理这些脏活累活，你只需要专注于让助手变得更聪明。

关键在于，OpenClaw 的 TTS 配置块天然兼容 OpenAI 格式的接口。这意味着什么？任何提供 OpenAI 兼容 TTS 端点的服务，都可以即插即用。ListenHub 的 /v1/tts 恰好就是这样一个端点。

接入配置：五分钟搞定

在你的 openclaw.json 中，找到 messages 字段，加入以下配置：

{
  "messages": {
    "tts": {
      "auto": "always",
      "provider": "openai",
      "openai": {
        "baseUrl": "https://api.marswave.ai/openapi/v1",
        "apiKey": "$LISTENHUB_API_KEY",
        "model": "flowtts",
        "voice": "CN-Man-Beijing-V2"
      }
    }
  }
}

几个需要替换的地方：

• $LISTENHUB_API_KEY：换成你在 ListenHub 账户设置中创建的 API Key
• voice：换成你想要的音色 ID（后面会讲怎么选）
• model 保持 flowtts 不变，这是 ListenHub 的 TTS 模型名称

前置条件也很简单：OpenClaw v2026.3.7 及以上版本，一个 ListenHub API Key，以及账户里有足够的积分。

先验证，再接入

在动 OpenClaw 配置之前，建议先用 curl 确认 API Key 是通的：

curl -X POST https://api.marswave.ai/openapi/v1/audio/speech \
    -H "Authorization: Bearer $LISTENHUB_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{
      "input": "今天天气真不错，适合出去散步。",
      "voice": "chat-girl-105-cn",
      "response_format": "mp3",
      "model": "flowtts"
    }' \
    --output output.mp3

如果当前目录出现了一个能正常播放的 output.mp3，说明一切就绪。这个习惯很重要——把问题隔离在最小范围内排查，省得接入 OpenClaw 之后出了问题不知道该查哪边。

四种 auto 模式：按场景选择

auto 字段决定了什么时候触发语音转换，这是整个配置中最值得琢磨的部分：

哪种最实用？看你的场景。如果你的助手跑在 Telegram 上，"inbound" 模式堪称完美——对方发语音你回语音，对方打字你回文字，交互体验非常自然。如果你想让助手始终以语音形态存在（比如做一个语音陪伴类产品），那就选 "always"。"tagged" 模式则给了你最精细的控制权，适合在 prompt 层面决定哪些回复需要语音输出。

音色选择

ListenHub 提供多语言自然音色，几个常用的：

完整列表可以通过音色列表 API 查询。选音色这件事别小看——如果你的助手面向特定用户群体，音色的匹配度直接影响用户的信任感和使用意愿。

平台支持情况

不是所有平台都支持原生语音消息，接入前看清楚：

Telegram 的支持最完整，如果你正在考虑在哪个平台部署语音助手，它是首选。

另外值得一提的

ListenHub 同时还上线了内容提取 API，支持从微信文章、YouTube 视频、X 平台帖子以及任意标准网页中提取摘要和全文。如果你正在搭建一个能"上网冲浪"的 AI 助手，这个能力和 TTS 搭配起来，想象空间就打开了——助手帮你读完一篇长文，然后用语音给你讲重点。

语音交互正在从"锦上添花"变成 AI 助手的标配能力。当你的竞争对手还在只做文字聊天的时候，一个会说话的助手能带来多大的体验差异？不妨先花五分钟接上试试，答案可能比你想象的更明显。