Bob Plugin - OpenRouter TTS

Bob 的 OpenRouter TTS 语音合成插件，默认使用 google/gemini-3.1-flash-tts-preview，并内置 OpenRouter 上全部 speech-output 模型与各自的音色列表。

安装

1. 下载最新版本的 openrouter-tts.bobplugin
2. 双击文件即可安装到 Bob

支持的模型

每个模型都有一组独立的音色，选中模型后请在对应的 Voice 菜单里挑选音色（Bob 的设置项是静态显示的，所有 Voice 菜单会同时出现，请只调整与当前模型匹配的那一组）。如需传入菜单之外的音色，可填写 Custom Voice 全局覆盖当前菜单；清空后恢复菜单音色。

模型	OpenRouter ID	对应 Voice 菜单	音色数
Gemini 3.1 Flash TTS Preview	google/gemini-3.1-flash-tts-preview	Voice · Gemini	30
MAI-Voice-2	microsoft/mai-voice-2	Voice · Microsoft MAI	4
MAI-Voice-2-Flash	microsoft/mai-voice-2-flash	Voice · Microsoft MAI	4
Grok Voice TTS 1.0	x-ai/grok-voice-tts-1.0	Voice · Grok	5
Zonos v0.1 Transformer	zyphra/zonos-v0.1-transformer	Voice · Zyphra Zonos	5
Zonos v0.1 Hybrid	zyphra/zonos-v0.1-hybrid	Voice · Zyphra Zonos	5
CSM 1B	sesame/csm-1b	Voice · Sesame CSM	7
Orpheus 3B	canopylabs/orpheus-3b-0.1-ft	Voice · Orpheus	7
Kokoro 82M	hexgrad/kokoro-82m	Voice · Kokoro	54
Voxtral Mini TTS	mistralai/voxtral-mini-tts-2603	Voice · Voxtral	30
Aura-2	deepgram/aura-2	Voice · Deepgram Aura-2	90
Speech 2.8 HD	minimax/speech-2.8-hd	Custom Voice	—
Speech 2.8 Turbo	minimax/speech-2.8-turbo	Custom Voice	—
S1	fish-audio/s1	Voice · Fish Audio	2 + 默认
S2 Pro	fish-audio/s2-pro	Voice · Fish Audio	2 + 默认
S2.1 Pro	fish-audio/s2.1-pro	Voice · Fish Audio	2 + 默认
S2.1 Pro Free	fish-audio/s2.1-pro-free:free	Voice · Fish Audio	2 + 默认
Qwen-Audio-3.0-TTS Flash	qwen/qwen-audio-3.0-tts-flash	Voice · Qwen Flash	2
Qwen-Audio-3.0-TTS Plus	qwen/qwen-audio-3.0-tts-plus	Voice · Qwen Plus	2
自定义模型	Custom Model ID 填写	Custom Voice	—

模型列表对应 OpenRouter output_modalities=speech 的全部 19 个模型（2026-08-01 核对）。MiniMax 两个模型接受任意音色 ID，请在 Custom Voice 中填写。Fish Audio 四个模型没有官方音色名单，音色来自 fish.audio 社区语音库：Voice · Fish Audio 菜单收录了常用 reference ID，选「默认音色」时不发送 voice、由 provider 决定；任何 fish.audio 音色页 URL 中的 ID 都可填入 Custom Voice 使用。新增模型可直接在 Custom Model ID 中填写 ID，并在 Custom Voice 里填对应音色。

配置

在 Bob 的插件设置中填写以下信息：

选项	说明
API Key	你的 OpenRouter API Key，例如 sk-or-v1-...
API URL	OpenRouter TTS 接口地址，默认 https://openrouter.ai/api/v1/audio/speech；远程地址必须使用 HTTPS，本机 loopback 调试可使用 HTTP
Model	TTS 模型，默认 google/gemini-3.1-flash-tts-preview
Custom Model ID	可选。填写完整模型 ID 时，会覆盖上方预设
Voice · 各家族	各模型家族的音色菜单，详见上表
Custom Voice	可用于任意模型；非空时优先并覆盖对应的 Voice 菜单，清空后恢复菜单音色；MiniMax / 无法识别家族的自定义模型必须填写；Fish Audio 可填 reference ID 或留空
Audio Format	默认 pcm，插件会包装成 WAV 给 Bob 播放；也可选 wav / mp3 / opus / flac（需 provider 支持）
PCM Sample Rate	返回内容按裸 PCM 包装成 WAV 时生效（通常 Audio Format 为 pcm），默认 Auto：按模型家族选择（Fish Audio 44.1 kHz、其他 24 kHz）；若播放仍变速可手动指定
Speed	语速：0.5x ~ 2.0x，仅在非 1.0x 时发送，部分 provider 可能会忽略
Instructions / Audio Tags	可选。会作为前缀拼到文本前，适合填写 Gemini audio tags 或简短风格提示

Voice 选择规则

Custom Voice 非空时具有最高优先级，可覆盖任何模型家族的菜单音色；清空后，插件会根据当前模型 ID 自动选择对应的 Voice 菜单：

家族	匹配规则	使用的配置项
Gemini	含 gemini	Voice · Gemini
Microsoft	microsoft/ 开头、含 mai-voice	Voice · Microsoft MAI
xAI Grok	x-ai/ 开头、含 grok-voice	Voice · Grok
Zyphra	zyphra/ 开头、含 zonos	Voice · Zyphra Zonos
Sesame	sesame/ 开头、含 csm-1b	Voice · Sesame CSM
Canopy Orpheus	canopylabs/ 开头、含 orpheus	Voice · Orpheus
Kokoro	hexgrad/ 开头、含 kokoro	Voice · Kokoro
Voxtral	mistralai/ 开头、含 voxtral	Voice · Voxtral
Deepgram	deepgram/ 开头、含 aura-2	Voice · Deepgram Aura-2
MiniMax	minimax/ 开头、含 speech-2.8	Custom Voice（无预设菜单，需手动填写音色 ID）
Fish Audio	fish-audio/ 开头、含 fish	Voice · Fish Audio（「默认音色」不发送 voice；Custom Voice 可填任意 fish.audio reference ID）
Qwen Flash	qwen/ 开头或含 qwen-audio，且不含 plus	Voice · Qwen Flash
Qwen Plus	qwen/ 开头或含 qwen-audio，且含 plus	Voice · Qwen Plus
其他自定义	未匹配到上述任一家族	Custom Voice（无预设菜单，需手动填写音色 ID）

OpenRouter 配置示例

Gemini TTS（默认）

选项	值
API URL	https://openrouter.ai/api/v1/audio/speech
Model	google/gemini-3.1-flash-tts-preview
Voice · Gemini	Kore
Audio Format	pcm

Kokoro 82M（多语言、开源、便宜）

选项	值
Model	hexgrad/kokoro-82m
Voice · Kokoro	af_heart、zf_xiaoxiao（中文）、jf_alpha（日语）等
Audio Format	pcm 或 mp3

Deepgram Aura-2（多语言、低延迟）

选项	值
Model	deepgram/aura-2
Voice · Deepgram Aura-2	aura-2-thalia-en、aura-2-zeus-en、aura-2-ama-ja（日语）等
Audio Format	mp3 或 pcm

MiniMax Speech 2.8（自定义音色）

选项	值
Model	minimax/speech-2.8-hd 或 minimax/speech-2.8-turbo
Custom Voice	填写 MiniMax 音色 ID（模型接受任意音色 ID，无预设菜单）
Audio Format	mp3 或 pcm

Fish Audio S2.1 Pro（免费档可选）

选项	值
Model	fish-audio/s2.1-pro（或免费的 fish-audio/s2.1-pro-free:free）
Voice · Fish Audio	菜单选择，或选「默认音色」
Custom Voice	可选。填写任意 fish.audio 音色页 URL 中的 reference ID，覆盖菜单
Audio Format	mp3 或 pcm

API URL 也支持填写：

• https://openrouter.ai
• https://openrouter.ai/api
• https://openrouter.ai/api/v1
• https://openrouter.ai/api/v1/audio/speech
• https://openrouter.ai/api/v1/tts（legacy/custom endpoint）

远程地址必须使用 HTTPS，以免 API Key 与待合成文本明文传输。仅本机 loopback 地址（localhost、127.0.0.0/8、[::1]，可带端口）允许 HTTP。自动补全接口路径时会保留原有 query，并确保路径位于 query / fragment 之前。

Audio Tags

Instructions / Audio Tags 会作为前缀拼到待合成文本前，例如：

[excited]

合成 Hello world 时，实际请求输入会变成：

[excited] Hello world

也可以直接在待合成文本里使用标签，例如：

[whispers] This is a secret. [short pause] Please listen carefully.

注意事项

• 单次合成文本长度不能超过 4096 个字符。
• 插件优先根据 inline audio / HTTP Content-Type 判断响应，明确拒绝 JSON、文本及其他非音频 MIME。明确请求或声明为 PCM 时，MP3 嗅探不会覆盖 PCM 判定；其他响应再用严格校验的 magic bytes 识别 WAV / MP3 / Ogg / FLAC。按裸 PCM 处理的内容会被包装成 16-bit、mono WAV，采样率默认 Auto（按模型家族：Fish Audio 44.1kHz、其他 24kHz），可在 PCM Sample Rate 选项中手动指定。
• 如果选择 mp3 / wav 等格式但当前 provider 不支持，OpenRouter 可能会返回错误或退回到默认格式。
• Speed 仅在非 1.0x 时随请求发送，以兼容不支持该参数的模型。
• 单次响应上限为 64 MiB；插件使用 Bob 1.8+ 的流式接口累计接收，超过上限会立即取消并报错。若安全流式接口不可用，插件会要求升级 Bob，不会退回到先完整缓冲的请求方式。
• 裸 PCM 直接以 Bob 原生二进制数据拼接 44-byte WAV 头，最后只做一次原生 base64 转换，避免旧转换链同时保留多份大音频副本。
• 内存缓存最多保留 10 条、TTL 为 30 分钟；单条 base64 输出超过 3 MiB 时不缓存。缓存键包含 API Key 作用域、接口、模型、音色、格式、语速、PCM 采样率、语言与文本等参数，但仅保留 SHA-256 摘要，不保留这些字段的明文；切换采样率或凭据不会复用旧结果，空闲条目也会由计时器主动过期。

支持的语言

自动、中文（简/繁）、英语、日语、韩语、法语、德语、西班牙语、意大利语、葡萄牙语、葡萄牙语（巴西）、俄语、阿拉伯语、泰语、越南语、印尼语、马来语、土耳其语、波兰语、荷兰语、瑞典语、丹麦语、挪威语、芬兰语、希腊语、捷克语、罗马尼亚语、匈牙利语、斯洛伐克语、乌克兰语、保加利亚语、克罗地亚语、印地语、孟加拉语、泰米尔语、泰卢固语、马拉雅拉姆语、希伯来语、菲律宾语。

各模型实际支持的语言不同（例如 Kokoro / MAI-Voice-2 / Voxtral / Deepgram Aura-2 为多语言，Zonos / Orpheus 主要为英语），请按所选模型挑选合适的音色。

开发

插件由两个核心文件组成：

• info.json — 插件元信息与配置项定义
• main.js — TTS 调用逻辑

构建 .bobplugin 文件：

zip -j openrouter-tts.bobplugin info.json main.js

运行回归测试：

npm test

Changelog

• 1.3.2 — PCM Sample Rate 新增 Auto 默认档：按模型家族选择包装采样率（Fish Audio 44.1kHz、其他 24kHz），修复 Fish Audio 模型在 pcm 格式下声音低沉拖沓（44.1kHz PCM 被按 24kHz 包装导致慢放）；显式选择采样率的行为不变。
• 1.3.1 — 新增 Voice · Fish Audio 菜单：收录常用 fish.audio 社区音色 reference ID（AD学姐、女大学生），并提供「默认音色」选项（不发送 voice）；Custom Voice 仍可填任意 reference ID 覆盖。
• 1.3.0 — 同步 OpenRouter speech 模型目录（2026-08-01）：新增 Fish Audio S1 / S2 Pro / S2.1 Pro / S2.1 Pro Free（无预设音色，Custom Voice 留空时不发送 voice、使用 provider 默认音色，也可填 reference ID）、Microsoft MAI-Voice-2-Flash（复用 MAI 音色菜单）、Qwen-Audio-3.0-TTS Flash / Plus（各自独立音色菜单）。
• 1.2.4 — 修复 Bob 1.20 的流式 $data 对象不暴露 length / byteLength 时正常音频被误判为长度无效；以单次分块 base64 计算字节数，并在后续 JSON 识别、格式嗅探和 WAV 包装中复用已知长度。
• 1.2.3 — 兼容 JavaScriptCore 将 $data.length 以原生桥接数值而非普通 JavaScript number 暴露的情况。
• 1.2.2 — 修正 JSON / rawData / MIME 音频判别；PCM 采样率与 API Key 作用域纳入 SHA-256 缓存键，并主动清理过期缓存；Custom Voice 可覆盖所有模型家族；远程自定义接口强制 HTTPS（loopback 调试除外）；API URL 补路径时正确保留 query / fragment；修正 Bob 巴西葡萄牙语代码为 pt-br；以流式累计实现 64 MiB 响应上限，移除不安全的完整缓冲回退，并用 Bob 原生二进制数据低内存包装 WAV；MP3 裸帧需连续有效帧才判定，且明确 PCM 时不采用 MP3 嗅探，避免误报。
• 1.2.1 — 深度代码检查修复：custom/MiniMax 家族未填音色时明确报错（不再静默回退 Gemini 音色 Kore）；pcmToWav 采样率可配置（新增 PCM Sample Rate 选项，默认 24kHz）；pluginValidate 使用用户配置的格式而非硬编码 pcm；RIFF 嗅探额外校验 WAVE 标识；音频缓存增加 30 分钟 TTL；收紧 csm 子串匹配避免误判；instructions 计入 4096 字符长度限制；超时缓冲从 5s 放宽到 15s；处理异常不再把原始报错回传给用户；移除 customVoice 的无效顶层字段。
• 1.2.0 — 同步 OpenRouter speech 模型目录（2026-07-22）：移除已下架的 OpenAI gpt-4o-mini-tts；新增 Deepgram Aura-2（90 音色）、MiniMax Speech 2.8 HD / Turbo（自定义音色）。
• 1.1.0 — 接入 OpenRouter 全部 speech-output 模型，每个模型独立音色菜单；按返回音频 magic bytes 自动识别格式。
• 1.0.1 — 区分 Gemini TTS 与 OpenAI TTS 的 voice 选择，增加自定义 voice。

License

MIT