用途：把书稿或长文本制作成数小时的有声书，属于小时级生产流程，而非单段 TTS 片段。核心是管理多章节文件、统一演播音色、控制发音并满足平台交付规格。
主要能力：先确定制作路线（真人演播、作者/制作方驱动的生成式演播、平台自动旁白）；对书稿做朗读化预处理，包括前后附文取舍、脚注处理、表格图表改写、数字/缩写/符号/URL 规范化；选角上区分单人、多人与全阵容，并记录每个角色的音色参数以保持可复现。
小时级合成要点：固定 seed/一致性控制、按语义边界分块、每章单独生成与保存、全局锁定语速，以缓解音色漂移。发音控制依靠全书发音词典、SSML（phoneme、break、emphasis、say-as）及上下文覆盖，同形异音词需逐处处理。
质检与交付：必须按正常速度完整试听，按错误类型（误读、漏读、重复、重音、节奏、漂移、音频缺陷）记录并局部重生成。交付参考 ACX/Audible 规格：RMS −23 至 −18 dB、真峰值低于 −3 dB、噪声底低于 −60 dB RMS、首尾 1–5 秒房间音、192 kbps CBR MP3 或更高、44.1 kHz、声道统一、单文件不超过 120 分钟、每文件一个章节，并含开头/结尾署名与不超过 5 分钟的试听样本。章节文件按播放顺序命名并写入 ID3 标签。
限制：资料未提供具体工具品牌、价格、平台政策细节与效果保证；平台自动旁白政策具时效性，需自行核实。