sag 用于调用 ElevenLabs 文字转语音并本地播放，交互方式类似 macOS 的 say 命令。
主要能力与用法：需要 API key，优先读取环境变量 ELEVENLABS_API_KEY，CLI 也支持 SAG_API_KEY。基本用法如 sag "Hello there"；用 sag speak -v "Roger" "Hello" 指定语音朗读；用 sag voices 查看可用语音；sag prompting 提供各模型的提示技巧。可通过 -o 输出音频文件，例如 sag -v Clawd -o /tmp/voice-reply.mp3 "Your message here"。
模型：默认 eleven_v3（富有表现力），另有稳定版 eleven_multilingual_v2 和快速版 eleven_flash_v2_5。语音默认值可由 ELEVENLABS_VOICE_ID 或 SAG_VOICE_ID 指定；长时间输出前应先确认语音与说话人。
发音与表达控制：优先通过重新拼写（如 key-note）、加连字符、调整大小写来纠正发音；数字、单位、URL 可用 --normalize auto（若影响专有名称可改为 off）；用 --lang en|de|fr 等引导规范化。v3 不支持 SSML 的 <break>，应改用 [pause]、[short pause]、[long pause]；v2/v2.5 支持 <break time="1.5s" />，但 sag 未暴露 <phoneme>。v3 支持在行首使用音频标签，如 [whispers]、[shouts]、[sings]、[laughs]、[starts laughing]、[sighs]、[exhales]、[sarcastic]、[curious]、[excited]、[crying]、[mischievously]，示例：sag "[whispers] keep this quiet. [short pause] ok?"。
聊天语音回复场景可先生成音频文件，再在回复中引用该文件路径。语音角色可通过标签与停顿调节，例如疯狂科学家用 [excited] 与戏剧性停顿，平静风格用 [whispers] 或更慢语速，戏剧化风格少量使用 [sings] 或 [shouts]。Clawd 的默认语音为 lj2rcrvANS3gaWWnczSX，或直接用 -v Clawd。
限制：必须配置 API key；不同模型的 SSML 与标签支持不一致；具体收费、平台支持与完整功能列表资料未提供。