用途：为视频生成配音/旁白音频，使用 OpenAI 文本转语音 API。
主要能力：提供 6 种音色，alloy（中性均衡，通用）、echo（温暖口语，播客/闲聊）、fable（富有表现力，讲故事）、onyx（低沉权威，专业/新闻）、nova（清晰友好，教程/讲解）、shimmer（轻柔温和，冥想/平静内容）。模型可选 tts-1（质量好、速度快、成本较低）与 tts-1-hd（质量最佳、较慢、成本较高），默认 tts-1-hd。输出格式为 MP3，采样率 24000 Hz，单声道，码率约 128 kbps。
使用方式：命令行执行 node scripts/tts.js "Your text here" output/voiceover.mp3 --voice nova；也可指定不同音色，如 --voice onyx/nova/fable。支持从脚本文件读取：node scripts/tts.js "$(cat output/scripts/my-script.txt)" output/narration.mp3 --voice nova。超过 4096 字符的长文本需按段落切分，分别生成后合并。合并示例：ffmpeg -f concat -safe 0 -i filelist.txt -c copy output/full-narration.mp3。
建议与限制：用句号制造自然停顿，逗号做短暂停顿，省略号做较长停顿；缩写拼读（如 API 变为 A P I），生僻词可用音标拼写，数字会自然读出。成本约每 1000 字符 $0.015（tts-1-hd），500 字符约 $0.0075，1000 字符约 $0.015，5000 字符约 $0.075。具体可用平台、依赖安装与密钥配置资料暂未提供。