用途：在 OpenMontage 中通过 Azure AI Speech 的 REST 文本转语音接口生成神经旁白/配音音频，作为可选云端 TTS 提供方。
主要能力：高质量多语言神经语音、SSML 韵律控制（rate/pitch）、express-as 风格（如 narration-professional、calm、newscast）、同步 /cognitiveservices/v1 端点（无需令牌交换、Blob 存储或任务轮询）。通过 azure_tts 工具暴露（capability=tts，provider=azure）。
配置：与 azure_stt 共用同一 Speech 资源。在 Azure 门户创建 Speech 资源，复制密钥与区域，然后设置环境变量：
export AZURE_SPEECH_KEY=your_speech_resource_key export AZURE_SPEECH_REGION=eastus
export AZURE_TTS_ENDPOINT=https://... # 可选自定义 TTS 主机
设置 AZURE_SPEECH_KEY 及 REGION 或 TTS_ENDPOINT 后，azure_tts 报告 AVAILABLE。
用法：可经 tts_selector 自动发现路由，或在用户批准后直接调用：
from tools.tool_registry import registry registry.discover() tts = registry._tools["azure_tts"] result = tts.execute({"text": "...", "voice": "andrew", "rate": "-4%", "output_path": "...mp3", "output_format": "mp3"})
不可用或出错时按声明链回退：elevenlabs_tts → openai_tts → piper_tts。
语音：内置别名 andrew、brandon、ava、guy、jenny；也可传任意合法 Azure 语音短名。多语言语音可处理非英语文本，需将 locale 设为与文本语言一致。
参数：rate/pitch 为 SSML 韵律，旁白常略慢（-4% 至 -8%）；style 仅对支持的语音生效，不支持时被静默忽略；output_format 可选 mp3 或 wav。固定语音+SSML 重渲染结果基本一致，可单独重生成片段。
适用场景：OpenMontage 中按脚本分段生成旁白，片段便于对齐场景时间并低成本重生成。
限制：一次 execute 对应一个旁白片段；同步端点单请求上限约 10 分钟音频；文本自动做 XML 转义，勿预先转义或包裹 SSML；需先试听首段再批量运行。
费用：Azure 神经 TTS 标准层约每 100 万字符 $16（约每 1 千字符 $0.016），工具会上报 cost_usd；具体费率以 Azure 官方定价为准。其他平台支持、语言细节暂未提供。