用途：该技能用于文本转语音（TTS）、声音克隆与设计、语音到语音转换、播客与有声书制作、语音界面/对话式 AI 音频、对白混音与处理、响度标准化（LUFS）、语音质量增强（去齿音、压缩）、转写与语音转文字。不适用于空间音频、音效生成、游戏音频中间件、音乐创作和现场演出音频。
主要能力：通过 MCP 工具 text_to_speech、speech_to_speech、voice_clone、search_voices、speech_to_text、isolate_audio、create_agent 完成语音生成、克隆、搜索、转写、人声分离和语音智能体构建。ElevenLabs 模型可选 eleven_multilingual_v2（质量优先）、eleven_flash_v2_5（低延迟）、eleven_turbo_v2_5（均衡）。
使用方式：克隆声音需 1-3 分钟干净、无噪声、无混响、内容多样的单人语音，建议先用 isolate_audio 清理。语音处理链顺序为高通滤波 80Hz、去齿音 5-8kHz、压缩 3:1（10ms/100ms）、EQ 3kHz 提升、限制器 -1 dBTP、响度归一化。播客目标 -16 至 -19 LUFS，流媒体 -14 LUFS。
限制：资料未提供具体收费、价格与平台支持细节；部分高级流程（如 Whisper 微调）需自行准备数据与训练环境。