用途：该技能作为 Creative Claw 的 xAI TTS 模型专家，嵌入 creativeclaw-generate-voiceover 使用，负责选角与表演指导；脚本、生成、审核与交付仍由外层技能负责。适合富有表现力的旁白、助手、播客、长文本以及电话/IVR 音频。
主要能力：核心控制面是写在文本中的标记。方括号内联事件在某一位置触发声音或停顿，如 [pause]、[long-pause]、[hum-tune]、[laugh]、[chuckle]、[giggle]、[cry]、[tsk]、[tongue-click]、[lip-smack]、[breath]、[inhale]、[exhale]、[sigh]；尖括号包裹标签改变整段短语的演绎，如 <soft>、<whisper>、<loud>、<build-intensity>、<decrease-intensity>、<higher-pitch>、<lower-pitch>、<slow>、<fast>、<sing-song>、<singing>、<emphasis>，兼容时可有浅层嵌套。xAI 不记录 [happy]、[angry] 等具名情绪标签，情绪需通过选角、措辞、标点与上述控制组合营造。
使用方式：先确认语言、受众、用途、说话人性格、情绪走向、发音风险、输出目标与时长；选择 speech/xai-tts 后调用 get_model_params({ model: "speech/xai-tts" }) 获取权威的运行时字段与可用音色；需要时从运行时目录提供两个合适音色，无明确偏好时用 Eve；保留已批准的措辞，仅在适配表演时添加受支持的语音标签；调用 generate_speech 传入 model、text、voice_id，按需加语言或输出设置。不同说话人或可独立编辑的段落应分开调用再合并。文本中直接放置 xAI 表演标记，没有单独的标签数组；generate_speech 不接受 agentic_prompting；不要为 xAI TTS 发送通用 emotion 值。使用运行时 schema，不要照搬 xAI 直接 API 的参数。
输出格式：mp3 用于常规交付，wav 用于无损剪辑，mulaw 用于常见北美与日本 G.711 电话系统，alaw 用于许多欧洲电话系统；采样率如 24000、48000、8000，需确认接收平台要求的编解码器与采样率。
语言：用 extras.language 传入受支持的 BCP-47 代码，如 en、zh、ja、ko、fr、de、hi、it、ru、tr、vi、id、bn、ar-EG、ar-SA、ar-AE、es-MX、es-ES、pt-BR、pt-PT；真正混合语言可用 auto。模型可能以不同准确度说更多语言，但不要承诺运行时目录之外的语种支持。
限制：提供方单次请求上限 15000 字符，长内容应按句子或段落边界拆分；xAI TTS 不使用 Dia 风格的 [S1]/[S2] 说话人标签，各说话人需单独生成；标签名不要翻译，一律保留英文控制标记；只有资料明确说明的内容可用，收费、价格等未提供。完成时需试听检查名字、缩写、数字、地区、标签执行、情绪走向、异常停顿、截断、噪声与响度变化；若基础音色不对则重选音色，若某处不对则调整该处标点或标签并只重生成该段。反复出现提供方故障、音色缺失、schema 不匹配、标签泄漏或用户反馈时，可用 submit_feedback 上报。