朗读网页
在网页文章中打开扩展，然后使用页面内播放器收听文章正文。
概览
Lisen 是一款 Chrome 扩展，可使用 Cartesia 文本转语音声音朗读网页文章。它适用于文章、博客文章、新闻简报、文档、Substack 和 Medium 页面，以及其他包含正文文本的页面。用户需要提供 Cartesia 账户和 API 密钥，而无需创建单独的 Lisen 账户。
在文章页面打开扩展后，用户可以立即开始流式播放，也可以先生成完整文章。播放器会通过为当前段落添加色调并标记正在朗读的单词，在页面上跟随文本；生成的录音还可以下载为 WAV 文件。Lisen 声明其没有独立服务器、分析或遥测功能，并且会将设置和密钥保存在用户设备上的 Chrome 中。
功能
使用 Cartesia 音频库
选择 Cartesia 音频库中的任意可用声音，包括您通过 Cartesia 克隆或设计的声音。
流式播放或预生成音频
播放开始后立即开始朗读，或在收听前先生成完整文章。
通过单词高亮跟读
播放器会为当前段落添加色调，并标记正在朗读的单词，帮助您在页面上跟随朗读内容。
下载 WAV 音频
将文章生成为 WAV 文件。单词时间信息会存储在文件中，因此重新打开时仍可使用跟读功能。
本地设置与用户触发处理
Lisen 会将 API 密钥和设置保存在设备上的 Chrome 中，并且仅在已打开播放器的页面上按下播放键后，才会将页面文本发送给 Cartesia。
使用场景
免手持收听文章
在不方便盯着屏幕阅读时收听文章、新闻简报、博客文章和长篇网页，例如通勤或做饭时。
阅读文档
通过页面高亮保持朗读位置可见，同时跟随技术资料或参考材料。
长篇网页阅读
收听 Substack、Medium 或其他文字密集型页面，无需依赖单独的阅读流程，前提是页面公开了其文本。
准备音频以供日后使用
先生成文章，查看测得的时长，在录音中拖动定位，然后将其保存为 WAV 文件以便日后播放。
Pros and Cons
Pros
- 使用用户现有 Cartesia 音频库中的声音，包括克隆或设计的声音。
- 同时提供即时流式播放和完整文章生成，并支持查看时长和拖动定位。
- 提供页面内段落和单词高亮，便于跟读。
- 可以将生成的文章导出为带有单词时间信息的 WAV 文件。
- 产品页面称 Lisen 没有订阅费用、单独的 Lisen 账户、服务器、分析或遥测功能。
Cons
- 需要 Cartesia 账户和 API 密钥。
- 支持范围仅限于页面公开的文本；不支持 Chrome 内置 PDF 查看器、Chrome 页面和 Chrome 网上应用店。
- 语音生成受用户 Cartesia 方案中的使用规则和费用约束；产品页面未说明可用限额。
FAQ
使用 Lisen 需要 Cartesia 账户吗？
是的。Lisen 需要 Cartesia 账户和 Cartesia API 密钥，因为语音生成由 Cartesia 提供。
Lisen 的费用是多少？
Lisen 本身免费且没有额外订阅费用。您需要根据自己的 Cartesia 方案，为生成的语音向 Cartesia 付费；该产品页面提到 Cartesia 提供免费层级，但未在此说明使用限额。
如何朗读文章？
在文章页面点击 Lisen 图标以打开播放器，然后按下播放键即可。流式播放会立即开始。您也可以先生成完整文章，以查看音频时长并使用进度条定位播放位置。
可以使用自己的 Cartesia 声音吗？
您可以将 Cartesia API 密钥粘贴到 Lisen 中，然后从 Cartesia 音频库中选择声音，包括您在那里克隆或设计的声音。
Lisen 支持 PDF 和付费墙页面吗？
Lisen 会读取页面公开的文本。它无法在 Chrome 内置 PDF 查看器、Chrome 自带页面或 Chrome 网上应用店中运行；产品页面还指出，对于付费墙内容，其支持范围仅限于页面显示的内容。
Quick Facts
- 产品类型
- Chrome 扩展
- 类别
- 无障碍
- 主要功能
- 网页文章文本转语音
- 语音提供商
- Cartesia
- 输出
- 流式播放或 WAV 下载
- 列出的语言
- 英语
Lisen 替代品
Wallie
Wallie 是一款开源 AI 直播助手，能观看屏幕、聆听聊天并以可配置人设生成实时解说。支持本地运行、使用自有密钥，适合无真人出镜内容、自动化直播和实时互动。
Fylom
Fylom 是一款 AI 播客生成器，可将主题或问题转化为经过资料研究的播客单集，支持文字或语音提示、音色选择，以及日常、每周或按需更新的连续节目式收听。
BeFreed
BeFreed 是一款个性化音频学习应用，可将书籍和其他知识源转化为有声聆听体验。支持按需学习、可选声音与内置学习工具。
Gemini 3.8 Text-to-Speech
Gemini 3.8 Text-to-Speech 是 Google 推出的两款富有表现力的音频模型，可将脚本转换为可定制语音，支持逐行指导、声音设计及内容、配音和语音代理对话生成。
Kugel 3.5
Kugel 3.5 是 KugelAudio 面向语音代理和电话对话的文本转语音模型，支持短回复、IPA 发音、定时停顿及逐字符代码朗读，兼容 Kugel 3 的声音、语言、词典和 API，音频每分钟 €0.0525（不含增值税），按秒计费。
Gemini 3.1 Flash TTS
Gemini 3.1 Flash TTS 是 Google 的预览版文本转语音模型，可生成富有表现力的 AI 语音，并支持对风格、语速和表达方式进行细粒度控制，适用于 Gemini API、Google AI Studio、Vertex AI 和 Google Vids。