用途：在 Creative Claw 环境中调用 speech/cartesia-sonic 模型，用公共库存音色或已保存且获授权的克隆角色音色生成快速自然的语音。每次使用工具前需阅读一次共享执行指南，涵盖模型发现、可选成本查询、导入与恢复。
主要能力：模型 ID 保持稳定，底层 Cartesia Sonic 版本可升级；支持直接情感控制与简单的语速、音量调整，适合低延迟场景。与其他提供商相比，Cartesia 适合低延迟、直接情感控制和简单速度/音量调整；如用户已明确指定模型，不得静默更换提供商。
使用方式：生成前先调用 get_model_params({ model: "speech/cartesia-sonic" }) 获取当前精选目录及完整 Cartesia 声音库链接，其中含精确 ID、语言、地区、性别、描述与用例。用且仅用一个选择器：voice_id 选库存音色（任何公共 Cartesia 声音库精确 ID 均可），character_id 选私有克隆角色音色（若角色有保留的授权源但无 Cartesia 副本，Creative Claw 会懒创建并保存复用）。两者不可同时使用，先按目标语言与地区口音，再按用例与表达方式选择。
调用 generate_speech 时，顶层必填字段为 model（固定 "speech/cartesia-sonic"）和 text；可选字段包括 voice_id 或 character_id、emotion（neutral、angry、excited、content、sad 或 scared）、speed（0.6 至 1.5，默认 1.0）、format（wav、mp3 或 pcm）、sample_rate（用 get_model_params 返回值）；extras 内可选 volume（0.5 至 2.0，默认 1.0）与 language_code（尤其短文本、歧义或多语言文本）。不要向 Cartesia 传 ElevenLabs 的 voice_settings、v3 方括号音频标签、audio_url 或 language_boost。
适用场景：中性旁白、活力广告、温和表达、紧张对话等，可用情感与标点引导，情感发生明显变化时拆分脚本，SSML 仅在确认当前运行时指南后少量使用。
限制：情感为引导而非严格转换；不要用被朗读的括号文本做表演指导；续试听时每次只改一个控制项；不明确信息暂未提供。