用途：在用户本机运行的 VoiceStudio 上完成语音合成与转写，适合生成语音、朗读文本、克隆音色、转写音频等需求，全程离线、免费、无需 API 密钥。
主要能力：文本转语音支持 tts-1 与 tts-1-hd 模型，可用 OpenAI 音色名（alloy、echo、nova 等），也可使用用户自己克隆的音色档案 ID；输出格式支持 wav、mp3、flac、opus、pcm，长文本会按句子边界自动分块。语音转文字使用 whisper-1 模型（默认 WhisperX，可在 Model Catalogue → Engines 切换），输出支持 json、text、verbose_json（含分段时戳）、srt、vtt，可直接生成字幕。
使用方式：首次调用前先检查后端是否运行：curl -sf http://localhost:3900/health；若失败应提示用户启动 VoiceStudio（或从源码检出运行 bun run desktop-prod），不要擅自改用云端 API。合成示例：curl -s http://localhost:3900/v1/audio/speech -H "Content-Type: application/json" -d '{"model": "tts-1", "voice": "alloy", "input": "TEXT HERE", "response_format": "wav"}' --output speech.wav。查看可用音色：curl -s http://localhost:3900/v1/audio/voices，返回克隆/设计音色档案的 id 与名称及已装引擎，将 id 作为 voice 值使用。转写示例：curl -s http://localhost:3900/v1/audio/transcriptions -F file=@clip.wav -F model=whisper-1 -F response_format=json。也可用 Python openai SDK，base_url 设为 http://localhost:3900/v1，api_key 任意字符串。
限制：无密钥、无速率限制、无计费，使用用户自身硬件；冷启动后首次合成可能因加载模型较慢。视频配音、批量任务、音色设计、有声书等超出语音/转写的功能在完整 REST API 中，交互式参考位于应用内 Settings → OpenAPI Reference。若调用报引擎/模型错误，响应体通常包含可操作的修复提示，应原样反馈给用户。