用途：将文本转换为音频，提供从即时离线到高质量云端三种引擎选择。
主要能力与引擎：
- macOS say：系统内置，无需安装，质量尚可、即时、免费。默认用于快速播放，可用 -o 保存音频文件，用 -v ? 列出语音，用 -v 指定语音（如 Samantha、Daniel、Mei-Jia、Ting-Ting、Kyoko），用 -r 控制语速（默认 200 wpm），用 -f 从文件读取。
- sherpa-onnx-tts：本地神经 TTS，质量良好、速度快、免费，需 pip install sherpa-onnx 并下载模型后使用命令行参数生成音频。
- ElevenLabs API：质量最佳、约 2 秒、付费，需设置 ELEVENLABS_API_KEY 环境变量后通过 API 调用生成音频。
使用方式：say 命令可直接播放或输出 .aiff，如需 MP3 需借助 ffmpeg 转换；sherpa-onnx-tts 通过 --vits-model、--vits-lexicon、--vits-tokens、--output-filename 等参数生成音频；ElevenLabs 通过 curl 请求接口。
适用场景：朗读文本、生成提醒音频、多语言语音合成。
限制与规则：say 仅限 macOS；文件输出默认保存到桌面并按时间戳命名；仅在用户要求且 ffmpeg 可用时转 MP3；API 密钥不得硬编码，须从环境变量读取；长文本（超过 500 词）建议提醒用户耗时较长；非英语默认使用对应系统语音。具体模型下载地址、价格与详细步骤以官方资料为准。