用途：基于 ListenHub-Voice-1.0 模型做端到端音频生成，一次异步任务接收文本脚本（可选音色、参考图、音频参数、时长提示）并返回成品音频文件。适用于纯文本/音效、单音色、多音色对白、参考音频克隆、图片转音频等场景。纯单音色已注册朗读应改用 /tts，播客式讨论用 /podcast，音乐用 /music，视频用 /video-gen，转写用 /asr。
主要能力与模式：无 voices 无 image 时模型合成文本及其中描述的音效；单音色 voices 为 1 项，id 可为 ListenHub 音色代号或官方 voice_type（type: speaker）；多音色对白 voices 为 2–3 项，每项须为 reference，脚本用 @音频1 / @音频2 前缀按 voices 顺序指派台词；参考音频克隆用 type: reference 指向公开音频 URL；图片转音频传 image（url 或 data，与 voices 互斥）。
用法要点：CLI 目前无 listenhub-voice 子命令，回退到 OpenAPI HTTP，需 API Key（lh_sk_...），请求头 Authorization: Bearer $API_KEY，基址 https://api.marswave.ai/openapi。先 POST /v1/listenhub-voice/generate 得 202 和 data.taskId，再轮询 GET /v1/listenhub-voice/tasks/{taskId} 至 success 或 failed。可用 GET /v1/listenhub-voice/tasks 分页查询历史任务（支持 status、keyword 过滤）。
硬性限制：text 必填、去空格后不超过 1400 字；voices 1–3 项，多音色时每项必须可参考音频，官方 voice_type 仅支持单音色；参考音频须公开 http/https URL，不超过 30 秒、10MB，格式 wav/mp3/pcm/ogg_opus；image 最多 1 张、不超过 10MB，格式 jpeg/png/webp，与 voices 互斥；audioConfig 可设 speechRate -50..100、loudnessRate -50..100、pitchRate -12..12、format mp3（默认）/wav/pcm/ogg_opus；durationHint 为 1..110 的整数；watermark 为布尔值。计费按实际生成时长每秒 0.1125 积分、向上取整、最低 1 积分，创建时仅余额预检不预占，出片后按真实时长结算；限流 60 秒内最多 5 次。
输出与错误：成功返回 audioUrl、audioDuration（即计费时长）、creditCharged；download 模式将 {slug}.{ext} 保存到当前目录并去重。失败读 errorMessage 并建议检查脚本、音色或图片；超时建议稍后用任务接口查询。需注意 /v1/listenhub-voice/voices 与 /v1/listenhub-voice/estimate-credits 不在技能覆盖范围，ListenHub 音色代号请从 GET /v1/speakers/list 获取。
资料未提供 CLI 子命令上线时间、音色清单、价格之外的收费细则等，暂未提供。