用途：根据文本生成语音音频，适用于旁白、产品演示配音、IVR/电话提示、无障碍朗读，以及多条或多文件的批量语音生成。
主要能力：单条生成与批量生成两种模式。默认使用 OpenAI 后端与模型 gpt-4o-mini-tts-2025-12-15，默认音色 cedar，需要更明亮音色时可用 marin；仅支持内置音色，自定义音色不在范围内。instructions 参数仅受 GPT-4o mini TTS 模型支持，tts-1 与 tts-1-hd 不支持。Atlas Cloud 仅在用户明确选择时可用，默认 xai/tts-v1、音色 eve、语言 auto。
使用方式：优先使用随附 CLI 以保证可复现。单条或批量由用户提供的行数与输出数量决定；批量时在 tmp/ 下写临时 JSONL，每行一个任务，运行一次后删除。默认 OpenAI 路径运行 scripts/text_to_speech.py；仅在选定 Atlas Cloud 时运行 scripts/atlas_text_to_speech.py。输出用 --out 或 --out-dir 控制，最终产物放在 output/speech/，中间文件放在 tmp/speech/。依赖方面优先用 uv：uv pip install openai；若无 uv 则 python3 -m pip install openai。Atlas Cloud 后端仅用 Python 标准库。
限制：默认 OpenAI 调用需 OPENAI_API_KEY，Atlas Cloud 需 ATLASCLOUD_API_KEY；密钥缺失时应由用户在本地环境变量中设置，不要放进对话。单请求输入不超过 4096 字符，超长需分块；限速 50 请求/分钟，CLI 将 --rpm 上限设为 50。使用内置音色，需向最终用户明确说明语音由 AI 生成。指令增强只把隐含细节显式化，不新增人设、口音或情绪，也不改写输入文本。临时与输出路径约定、Atlas 轮询与下载限制等细节见随附参考资料。