用途：把文本转换为语音音频文件，全程自主完成，无需用户介入。可用于生成旁白、产品演示配音、视频音轨以及批量自动化工作流中的语音输出。
主要能力：输出 MP3/WAV；借助 espeak-ng 支持 131+ 种语言的旁白；可对多场景文本逐段生成后再拼接为完整视频旁白。
引擎：离线主用 pyttsx3 + espeak-ng（快速、语言多，始终可用），备选 espeak-ng CLI 与仅英语的 flite；Kokoro ONNX 质量高但需模型文件；gTTS 与 edge-tts 质量高但需要联网。注意：该环境无互联网访问，应使用 pyttsx3/espeak-ng 或离线的 Kokoro；联网生产环境可优先考虑 edge-tts 或 gTTS。
使用方式：安装依赖 pip install pyttsx3 --break-system-packages -q 与 apt-get install -y espeak-ng -q；随后用 pyttsx3 设置语速（100–200，145 较自然）、音量与语音，save_to_file 保存为 WAV，再用 ffmpeg 转 MP3，例如 ffmpeg -i input.wav -c:a libmp3lame -b:a 192k output.mp3 -y，也可加均衡器提升清晰度。多场景可先逐段生成 WAV，再经 ffmpeg concat 合并。
适用场景：视频配音、演示旁白、多语言语音内容、批量音频生成。
限制：本环境无网络，不能使用 gTTS/edge-tts；Kokoro 需先下载模型文件；TTS 前应清理 Markdown 与符号（如 *、#、>、反引号）以避免朗读异常；若 pyttsx3 无输出，需先安装 espeak-ng。其他细节暂未提供。