用途：为当前项目生成语音音频，包括旁白、产品演示配音、IVR 电话提示音、无障碍朗读，以及批量语音生成。
主要能力：支持单条语音片段与批量提示生成；默认模型为 gpt-4o-mini-tts-2025-12-15，默认音色 cedar，若需更明亮音色可用 marin；仅支持内置音色，自定义音色不在范围内。instructions 参数仅适用于 GPT-4o mini TTS 模型，不适用于 tts-1 或 tts-1-hd。单次请求输入不超过 4096 字符，超长需分块；速率限制为每分钟 50 次请求，CLI 将 --rpm 上限设为 50。
使用方式：先判断单条还是批量；批量时在 tmp/ 下写临时 JSONL（每行一个任务），运行一次后删除。通过随附 CLI（scripts/text_to_speech.py）运行，使用 --out 或 --out-dir 控制输出路径，最终产物写入 output/speech/。依赖安装优先用 uv pip install openai，若无 uv 则用 python3 -m pip install openai。实时调用前必须设置 OPENAI_API_KEY，缺失时引导用户在 https://platform.openai.com/api-keys 创建并本地设置，切勿让用户在聊天中粘贴完整密钥。所有 API 调用使用 OpenAI Python SDK，不使用原始 HTTP。
指令增强：将用户方向整理为简短带标签的规格，仅显式化隐含细节，不虚构新要求，不改写输入文本。模板可含 Voice Affect、Tone、Pacing、Emotion、Pronunciation、Pauses、Emphasis、Delivery 等行。
适用场景：旁白/讲解、产品演示配音、IVR/电话提示、无障碍朗读，各场景有对应参考模块。
限制：需 OPENAI_API_KEY；输入长度与速率受限；仅内置音色；不得修改 scripts/text_to_speech.py；需向最终用户明确披露语音为 AI 生成。其他细节暂未提供。