Hacker News 中文摘要

RSS订阅

Show HN: Use your OpenAI subscription to create audiobooks

PDF 转 MP3(PDF TO MP3)新推出的连接 AI(Connect AI)页面让已为人工智能付费的用户可以直接接入原有服务。若你订阅了 ChatGPT Plus 或 Claude Pro,或者持有 OpenAI 的 API key,就能在 Connect AI 与使用我的 API key(Use my API key)中选择,把上传的文档交给这些已付费的 AI 处理并转为 MP3,从而沿用原来的模型与额度,不需要再向 PDF TO MP3 购买额外的 AI 额度。

正文

制作你的第一本有声书

在 YouTube 上观看

视频指南缩略图

Image 9

$0:给 PDF TO MP3 的费用为 0。

使用你的订阅处理文档,语音生成由 Google 或 OpenAI 计费。

01 连接你的 AI

登录查看。

选择你的 AI:Codex 或 Claude。在 Codex 中,打开 Settings → Plugins → Add MCP server。

选择 Streamable HTTP,并粘贴此服务器地址。

复制

保存后,选择 Authenticate,并连接你的 PDF TO MP3 账户。

02 添加你的语音密钥

此密钥仅用于支付语音生成费用。

选择由谁生成你的语音:OpenAI 或 Gemini。获取 OpenAI 密钥

登录以保存密钥。

在 Gemini 控制台中启用计费,以提高稳定性。

免费密钥可能会遇到速率限制或“high demand”错误。

03 发送你的第一份文档

在你的 AI 聊天中附上 PDF,并询问:

“使用 PDF TO MP3 MCP 将这份文档转换为有声书。”

复制提示词

在 Codex 中附上 PDF,并请求使用 PDF TO MP3 制作有声书

你的订阅将用于:

  • 文档处理(通过 MCP),已由你的订阅支付

你的 API 密钥将用于:

  • 生成语音——OpenAI 按使用量计费

只想连接你自己的 API 密钥?使用我的 API 密钥

评论

社区讨论整体偏质疑和挑刺:主轴不是「AI 生成有声书」有没有需求,而是这个产品宣传的「用你已付费的 AI」是否名副其实、是否只是昂贵接口的套壳生意,以及大家普遍要求先听到真实语音样本。少数人称赞创意或分享替代方案,但更多声音集中在缺少演示、技术不过关、版权与授权风险,以及免费或自建方案已经够用。

认为缺少音频样本和真实效果演示,难以评估产品

  • 多个评论指出,演示视频没有展示生成结果的音频样本,也没有说明大文件、EPUB、MOBI 等书籍格式的实际表现,大家普遍想先听效果、确认旁白水平再判断(认可度:较多人)
  • 有人明确要求放出双说话人播客的示例并支持泰语,才会考虑每周付费使用(认可度:少数人) > 演示视频居然没展示任何生成结果,在最精彩的部分前就结束了,简直离谱(@jaccola)

质疑「用已付费的 AI」是误导,实际却索要 API 密钥

  • 产品声称可以使用已经付费的 OpenAI 订阅,实际却要求填写 API 密钥,和订阅登录授权完全是两回事;评论者怀疑这根本没测试过,甚至有意误导(认可度:高赞)
  • 把「填写 OpenAI API 密钥」类比成填写信用卡号及有效期、安全码,怀疑是在试探密钥是否已被泄露或存在钓鱼风险(认可度:少数人) > 粘贴 API 密钥堪比把信用卡号连同有效期和安全码一起交出去(@x__)

担心 PDF 解析与发音等核心技术不过关

  • PDF 文本提取常把表格、图注等异常排版处理成垃圾内容,评论者想知道产品对这类复杂版式的支持情况(认可度:少数人)
  • 专有名词和同形异义词的发音容易出错,例如某个兼具名词和动词用法的词被读成名词而非动词,会改变含义;除非模型支持 SSML 这类标记,否则很难让人名和关键字读准(认可度:少数人) > 除非模型支持 SSML,否则把专有名词读准非常困难,细微差别就会改变含义(@cj00)

担忧声音克隆、版权和输出授权等法律风险

  • 既然可以提交 EPUB 或 PDF 让模型以摩根·弗里曼的声音朗读小说,就可能缺少阻止声音克隆和未经授权模仿名人声音的机制(认可度:少数人)
  • 生成的音频若拿去销售,输出授权与收益划分并不清晰,有人担心模型商会来主张对售出有声书的权利(认可度:少数人) > 把生成的有声书拿去卖,Google 和 OpenAI 难道不会上门要求分一杯羹吗(@butz)

认为这并非新鲜生意,自建、开源或同类方案已足够

  • 批评者称它只是在昂贵 LLM 接口外包装并按额度收费;有人指出用 Claude 两三小时就能自建,也有人表示用 Voicebox 或免费开源方案就能得到同样结果,根本不需要额度(认可度:较多人)
  • 具体替代包括:自建网页正文清洗加 TTS 与 RSS 的私人播客流水线、本地长文本 TTS(如 Qwen3-TTS),以及支持 PDF/链接转多语音旁白和播客的竞品 Lissin(认可度:较多人) > 这就是那种给昂贵 LLM 供应商套壳、再按额度卖订阅的套路,而同样的结果用 Voicebox 就能免费拿到(@hirako2000)

有价值的补充

  • 若产品不能直接处理 EPUB、MOBI 等格式,可用 convert.to.it 在浏览器端先转换;它支持 400 多种扩展名,源码公开,适合作为合成前的预处理。
  • 对 PDF 的表格、图注等复杂排版,正文清洗一直是个难点;先用可靠工具抽取出干净正文再交给 TTS,能减少垃圾输出的概率。