用途：为当前项目生成口语音频，包括旁白、产品演示配音、IVR 提示音或无障碍朗读。
主要能力：支持单条文本生成一段语音，也支持批量处理多行、多文件提示；默认模型为 gpt-4o-mini-tts-2025-12-15，默认音色为 cedar，若希望更明亮可使用 marin。仅限内置音色，自定义音色不在本技能范围内。instructions 参数仅适用于 GPT-4o mini TTS 系列，不适用于 tts-1 或 tts-1-hd。每次请求输入文本不超过 4096 字符，超长需分块；频率限制为每分钟 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，收齐逐字文本、音色、风格、格式与约束。批量时在 tmp/ 写临时 JSONL（每行一个任务），运行一次后删除。指令增强时只把用户已有或暗示的细节写成简短带标签的规格，不重写原文、不新增人设或口音。通过内置 CLI scripts/text_to_speech.py 运行，不要改写该脚本。依赖方面优先使用 uv pip install openai，若无 uv 则用 python3 -m pip install openai；所有 API 调用须使用 OpenAI Python SDK，不要用原始 HTTP。
环境与输出：需设置 OPENAI_API_KEY 才能进行真实 API 调用；若缺失，引导用户在 OpenAI 平台创建密钥并在本机设置环境变量，切勿要求用户在对话中粘贴完整密钥。中间文件放 tmp/speech/，最终产物放 output/speech/，可用 --out 或 --out-dir 控制输出路径。
限制：面向最终用户须明确告知语音由 AI 生成。关键音频应校验可懂度、节奏、发音和约束遵循情况，迭代时每次只改一个变量。资料未提供具体价格、平台可用范围或脚本命令行完整参数，暂未提供。