「用你的 OpenAI 订阅」做有声书？HN 上吵翻的天了，先别急着把 API key 粘进去
今天 HN 上有个 Show HN 帖子热度来得很快：作者 janpmz 做了一个叫 pdftomp3.com 的东西，主打一键把 PDF 变有声书，标题直接写「Use your OpenAI subscription to create audiobooks」——用你已经付费的 OpenAI 订阅来做有声书，听着挺省钱的，131 分，66 条评论，7 个小时。
点进去之前我以为是拿你现有的订阅额度跑一遍完整流程，结果不是。评论区第一个就有人把话挑明了：文档处理那部分走的是你的 OpenAI/Codex 订阅（通过 MCP），但真正生成语音这块，反而要你交一个单独的 API key，OpenAI 或 Gemini 的都行，按用量扣费。有人干脆改了个更诚实的标题：「Use your openai subscription AND a TTS api key」，一下就冷静多了。也有作者自己确认了这个分两段的设计，还提到通过 MCP 能解锁更多音色，取决于你填的是哪家的 key。
这才是真正让评论区吵起来的地方，而且方向很有意思:安全跟「到底是不是骗局」。有人把那句「把你的 OpenAI API key 粘进来」类比成「把信用卡号和有效期一起交出去」，还有人翻出一个老梗——当年有人做了个「你的 SSH 私钥泄露了吗？把私钥贴进来我帮你查」的钓鱼网站，低配服务器撑了一周就挂了，拿去当「Have I Been Pwned」那种诱捕手法的讽刺例子。安全这题几乎一边倒：别把能无限扣费的主 key 粘到第三方网页。折中派给的办法倒是很实用：专门生成一个受限的 API key，配个预算上限再丢给它，或者干脆理解成「开个马甲号」，跟「千万别滥用主 key」这条精神其实是一回事。
顺着这条往下，评论区最扎实的部分其实是那些自己动手的人的经验帖。好几个人都做了一模一样的东西：把文章网页抓下来、清洗成纯文本、用 TTS 转成音频，再塞进云桶配一条 RSS，订阅到 Apple Podcasts 当播客听。差别只在最后几步怎么收尾——有人用 Tailscale 把老笔记本挂出去直接给 Apple Podcasts 拉文件，有人用 Syncthing 丢进共享文件夹，作者自己则承认最后干脆写了 App 来听。这恰恰说明这个产品的价值不在「生成音频」这一步——那一步你用任何 TTS 都能搞定——而在「从 PDF 到坐在车里能听」这条整条流水线，光是把 MP3 手动拷进手机这一步，就有一个人明确说没这力气，cloud bucket + RSS 那一段是关键。
技术上真正要花功夫的地方，评论也咬得很准：PDF 不是文本格式，是排版格式，表格、多栏、脚注、图片说明这些处理不好全是坑，有人为收集和打磨测试语料花了约 30% 的整体工作量；人名、专有名词的发音错一个意思全变；阿拉伯文在老 PDF 里甚至只存渲染指令不存编码文本。作者只试过论文类的格式，说能排除脚注，但表格没怎么测。这些都是真实待解决的痛点，不是宣传稿能盖住的。
还有个讨论点值得单拎出来：有人压根不看好这种「给 LLM 套皮然后卖订阅扣 credits」的商业模式，觉得结果你拿免费的 open-source TTS 也能得到。作者自己的辩护是，价值在整条管道，是「从丢一个 PDF 到在车里听完」的体验，而不是某个单点技术。
我看完之后的最大感受是，这个产品演示了个挺典型的套路——拿你已经为 LLM 付过的钱当卖点吸引注意力，实际做语音还是要一张单独的卡。安全那一关怎么过（预算受限的专用 key），TTS 那一堆发音和格式的细节坑怎么填，才是这类工具能不能站住的真问题。想要这种效果又不想把 key 给别人的人，评论区已经给了全套现成路线：开源 TTS 跑本地、一个 agent 帮你把句子结构改得适合听、RSS 接进播客。这条路并不难，难的是那 30% 的语料打磨和最后一段 RSS 的落地。
顺带一句，别指望拿 AI 生成的音频去卖版权还能躺赚——评论区有人泼了冷水，也提了句各家 TTS 的商业授权条款得自己翻。就这个帖子而言，值得记住的动作是：要么生成一把预算有限的专用 key，要么干脆自己本地跑，别把主 key 粘进这种网页里。