用途：为视频、时间线、录屏、幻灯片动画、产品演示、B-roll 或 MG 讲解等视觉内容生成旁白/配音，添加或替换 TTS 语音，保持剪辑后旁白与画面对齐，并依据文字描述生成自定义音效。
主要能力：文本转语音（TTS）；旁白/配音的放置与同步；视觉内容裁剪、加速、减速、移动、重排或替换后维持既有旁白对齐；音色试听与推荐；从参考音频克隆用户本人或明确获授权的音色；仅替换录错词句并保留画面与后续时间轴；自定义音效生成。
使用方式：使用前需先用 ToolSearch 加载 submit_voice、manage_voice、pull_asset、submit_sound，避免自行猜测参数。以 manage_voice 作为音色目录与管理入口（action="list"、voiceType="all" 返回官方音色与克隆音色的统一列表），仅 voiceType="custom" 支持创建权限、应用、克隆、试听、重命名和删除。生成 TTS 用 submit_voice，它只产出音频资产，后续时间线放置、替换、裁剪与对齐由时间线工具完成。长旁白可按自然停顿或脚本节奏拆成多次 submit_voice 调用。克隆流程需参考音频、创建预检、名称、试听文本和明确授权；原生编辑器可经由指定对话框入口，外部宿主走附件流程。有视觉目标时先阅读 video-sync 说明再撰写或放置旁白；修正已录错的词句应先阅读 fix-spoken-mistakes 说明。
限制：音色提供方、模型名与内部音色 ID 属于内部实现细节，不得出现在面向用户的回复、推荐、试听卡或错误信息中，对外统一使用产品化措辞。官方音色的可控项须以 manage_voice 返回的 capabilities.supportedControls 为准，不得凭记忆推断；内联音频标签仅作为局部引导，不是确定性剪辑边界。TTS 生成计费、具体价格及未提及的平台与效果资料暂未提供。