4月9日消息,AI音频开发平台ListenHub正式开源其CLI工具与TypeScript SDK,开发者可通过npm安装后在Claude Code、Cursor、Windsurf等主流AI Agent中直接调用播客生成、AI音乐、PPT幻灯片、TTS语音、解说视频和AI图像六大内容生成能力。CLI和SDK均采用MIT协议,代码托管在GitHub。 ListenHub由MarsWave AI开发,该公司2024年12月成立,2026年1月完成200万美元天使+轮融资(天际资本领投,小米联合创始人王川跟投),零投放情况下ARR突破300万美元并实现月度盈亏平衡。 六项生成能力:从播客到图像的全链路覆盖
ListenHub CLI通过npm install -g @marswave/listenhub-cli安装(要求Node.js >= 20),提供以下六类内容生成:
播客生成支持单人和双人对话两种模式,可基于文本主题或URL内容自动生成。这是ListenHub最早的核心能力,2025年5月产品上线时即以AI播客为主打,后逐步扩展为"万物解说员"定位。
AI音乐支持文本提示词生成原创曲目,也可上传参考音频进行翻唱(cover)。
PPT幻灯片根据给定主题自动生成完整演示文稿,这一功能在2025年Q4随ListenHub 2.0版本上线。
TTS语音支持多说话人、多语言的文本转语音,ListenHub在2025年8月推出FlowSpeech通用智能口语TTS后,将TTS能力从播客场景扩展到通用语音合成。
解说视频生成带AI视觉素材的旁白视频,是ListenHub商业化的核心场景,用户为"降低理解成本"和"提升沟通效率"付费,而非单纯为AI声音付费。
AI图像支持文生图和参考图风格迁移。
所有功能均支持本地文件上传(音频最大20MB,图片最大10MB),并可通过--no-wait参数异步提交任务获取ID。
技术实现:OAuth自动登录、限流重试、Agent技能集成
TypeScript SDK在工程层面做了几项针对开发者场景的设计:OAuth浏览器登录,token自动刷新,不需要手动管理凭证生命周期;429限流时自动读取Retry-After头并重试(默认2次);超时和最大重试次数均可配置(默认超时30秒)。
Agent集成方面,开发者通过npx skills add marswaveai/skills即可为Claude Code、Cursor等Agent添加ListenHub技能。添加后支持自然语言触发,如"make a podcast"或"生成幻灯片",Agent会自动调用对应API完成任务。技能目录覆盖播客、解说视频、TTS、图像生成、内容解析、语音转录(ASR)和创作者工作流(微信公众号、小红书等平台发布)。 此外,ListenHub还提供了官方MCP Server(@marswave/listenhub-mcp-server),支持Stdio、HTTP SSE和HTTP Streamable三种传输模式,可通过标准MCP协议接入Claude CLI、Codex CLI、Cline等客户端。
开源策略:MIT协议,但核心生成仍依赖云端API
需要明确的是,此次开源的CLI和SDK本质上是ListenHub云端API的客户端封装,内容生成的推理和渲染仍在ListenHub服务端完成。开发者使用需要ListenHub API Key,部分功能(内容解析、创作者工作流)需额外申请权限。音乐生成和幻灯片功能的底层模型细节(是否自研或调用第三方)未在文档中披露。
这意味着ListenHub的开源更接近"开放接入层"而非"开放模型层"——降低的是调用门槛,而非技术壁垒。对于需要私有化部署或完全离线运行的场景,当前方案不适用。唯一的例外是ASR(语音转录)功能,ListenHub的coli工具支持下载模型到本地(~60MB),可完全离线运行。
公司背景:前MiniMax员工创业,3人起步到月度盈亏平衡
MarsWave由冯雷(网名"橘子老师")于2024年12月4日在北京创立,起步团队仅3人。冯雷此前在MiniMax任职500天,更早期在三星、Boss直聘等公司担任产品经理。
公司发展历程相当紧凑:2025年5月ListenHub 1.0上线时仅完成30%功能,上线次日豆包即宣布进入AI播客赛道;2025年6月首笔融资到账后开始扩张,7-8月收入连续翻倍;Q4全员转向Claude Code辅助开发,并在Nano Banana 2发布后成为全球首个上线该模型的平台,产品升级为"万物解说员";2026年1月1日宣布完成200万美元天使+轮融资,ARR突破300万美元。 据创始人披露,ListenHub付费率约5%,订阅用户月度流失率低于3%,在金融、健康、知识付费、企业培训等垂直领域积累了付费用户基础。
竞品格局与差异化定位
AI内容生成工具赛道已高度拥挤。播客方向有Google NotebookLM、豆包等大厂产品;TTS方向有ElevenLabs、Fish Audio等成熟方案;PPT生成有Gamma、Beautiful.ai等专业工具。ListenHub的差异化不在单项能力的领先,而在于将播客、视频、PPT、TTS、音乐、图像六类内容生成整合到统一的API和CLI接口中,以"一站式内容引擎"的形态面向开发者和Agent生态。 此次开源CLI和SDK的核心目的是切入Agent生态——随着Claude Code、Cursor等AI编程Agent成为开发者日常工具,将内容生成能力封装为Agent可调用的技能,比做独立产品更容易获取开发者触达。ListenHub在OpenClaw生态中也已上架ASR等技能,进一步拓展触点。
本轮融资资金将主要用于北美市场拓展和新一代多模态Agent研发。MarsWave已任命一位在美国市场有产品冷启动经验的COO主导出海战略,计划将国内验证的零投放有机增长模型复制到北美。
局限与风险
第一,核心能力云端依赖。CLI和SDK开源并不意味着内容生成能力可私有化部署,企业用户的数据安全和延迟敏感场景可能受限。
第二,模型透明度不足。音乐生成、PPT生成等功能的底层模型来源未披露,用户无法评估生成质量的可预测性和版权风险。
第三,竞争壁垒待验证。"一站式"的集成优势在大厂同时布局多模态能力的背景下可能被快速追平。ListenHub需要在单项能力的生成质量上持续投入,而非仅靠接口聚合形成差异化。
第四,出海不确定性。北美播客市场虽然成熟(47%的12岁以上美国人每月收听播客),但AI生成内容在版权、平台分发规则方面面临更严格的审查环境。
GitHub地址:github.com/marswaveai/listenhub-cli(CLI)
github.com/marswaveai/listenhub-sdk(SDK)。