用途：通过 inference.sh CLI（infsh）调用 ElevenLabs 文本转语音，将文本合成为语音音频，适合配音、有声书、播客、在线课程、无障碍朗读、电话语音系统与视频旁白等场景。
主要能力：提供 22 种以上音色，分男女声，附美式、英式、澳式等风格说明；支持多语言（含英语、西班牙语、法语、德语、意大利语、葡萄牙语、中文、日语、韩语、阿拉伯语、印地语、俄语等 32 种语言）。可选模型有 eleven_multilingual_v2（最高质量，约 250ms）、eleven_turbo_v2_5（速度与质量平衡，约 150ms）、eleven_flash_v2_5（超低延迟，约 75ms）。可调参数包括 stability、similarity_boost、style（均为 0-1）与 use_speaker_boost（true/false）。输出格式支持 mp3_44100_128（默认）、mp3_44100_192 及 pcm_16000、pcm_22050、pcm_24000、pcm_44100。
使用方式：需先安装 inference.sh CLI，然后登录并运行任务。示例： infsh login infsh app run elevenlabs/tts --input '{"text": "Hello, welcome to our product demo.", "voice": "aria"}' 可在 JSON 输入中指定 voice、model、stability、similarity_boost、style、output_format 等字段；文档还给出与 bytedance/omnihuman-1-5 组合生成说话人视频的工作流示例。
限制：以上信息来自公开资料，未提供具体计费、配额、并发上限、音色授权与商用条款等细节，需以实际使用环境为准。其他相关技能可通过 npx skills add 命令安装，例如 inference-sh/skills@elevenlabs-dialogue、@elevenlabs-voice-changer、@elevenlabs-sound-effects、@text-to-speech、@infsh-cli；可浏览音频类应用：infsh app list --category audio。