用途：该技能用 scripts/generate.py 将文本转换为朗读语音，调用 Google Gemini 3.8 TTS。自动按用途选模型：默认及表达性叙述、对话、带风格短文本用 gemini-3.8-flash-tts；长文/批量、草稿或成本敏感用 gemini-3.8-flash-lite-tts。选择规则依次为 TTS_MODEL 环境变量、--flash/--lite、多说话人或有风格或内联语音标签则用 Flash、输入 2000 字符以上用 Flash-Lite。
主要能力：支持单说话人与双人对话模式，模式据输入自动检测，可用 --single/--multi 覆盖；提供 30 个预置音色，Flash 支持 130 种语言、Flash-Lite 支持 101 种，输出语言随输入文本。支持 --voice、--speaker "Name:Voice"、--style、--speaker-style、--temperature、--list-voices、--json、--no-ssl-verify 等参数。多说话人对话中 Name: 标签会被移除并作为 speech_metadata.speaker 发送，不会朗读。输出为无头 PCM 包装成 16 位 24kHz 单声道 WAV。
使用方式：先安装依赖 pip install -U google-genai，再配置凭据：设置 GEMINI_API_KEY，或设置 GOOGLE_CLOUD_PROJECT（可加 GOOGLE_CLOUD_LOCATION）。两者同时设置时优先 Vertex AI。示例：python scripts/generate.py "Have a wonderful day!" -o hello.wav；python scripts/generate.py -f dialogue.txt -o conversation.wav。正文应逐字朗读，持续风格写入 --style，瞬时发声用 <sigh>、<laughs> 等尖括号标签。
限制：仅支持 gemini-3.8-flash-tts 与 gemini-3.8-flash-lite-tts，旧版 TTS 模型不支持；每次请求输入上限 8192 tokens，超长需拆分；多说话人最多 2 人；不支持声音克隆，模仿真实人物语音会被安全过滤拦截。其他细节暂未提供。