用途：该技能通过 scripts/ 下的可执行脚本调用 Gemini TTS 模型，把文本转换为自然语音，适合播客、有声书、视频旁白、演示配音、多说话人对话以及无障碍音频内容等场景。
主要能力：支持多音色选择，可用音色包括 Kore（默认）、Puck、Charon、Fenrir、Aoede、Zephyr、Sulafat；支持多说话人对话，通过 --speakers 参数按“说话人:音色”映射，例如 "Joe:Kore,Jane:Puck"，脚本会自动把标记文本路由到对应音色；支持长文本流式处理（--stream）；输出 WAV（PCM，24000 Hz，单声道，16 位）。可用模型为 gemini-2.5-flash-preview-tts（较快，适合通用与高并发）与 gemini-2.5-pro-preview-tts（质量更高、较慢，适合精品内容与旁白）。输入上限 8,192 token，输出音频上限 16,384 token。
使用方式：基本命令为 node scripts/tts.js "Hello, world!"；可选参数包括 --voice/-v 指定音色、--output/-o 指定输出文件名、--output-dir 指定输出目录、--no-timestamp 关闭自动时间戳、--model/-m 指定模型、--stream/-s 开启流式、--speakers 设置多说话人映射。默认输出到 audio/ 目录并附带 YYYYMMDD_HHMMSS 时间戳，如 audio/tts_output_YYYYMMDD_HHMMSS.wav；指定 --output-dir 时目录不存在会自动创建；同名输出文件会被覆盖。可与 gemini-text 组合，先生成脚本再转语音，形成文本到音频的内容生产流程。
限制与常见问题：需先安装依赖，命令为 npm install @google/genai@latest dotenv@latest；需要 Gemini API 密钥。音色名称区分大小写，拼写错误会报“Voice name not found”；文本为空、超 token 上限或配额受限时可能无音频生成；多说话人格式错误会提示格式问题。音频质量受输入文本特殊字符、音色适配度与文本长度影响，建议用自然标点、必要时拆分长文本。费用、配额与定价信息暂未提供。