用途：用 Confucius4-TTS 在线 Demo API，把文本合成为参考音色语音，实现音色克隆与文本转语音。
主要能力：支持直接传入文本或从文本文件读取内容进行合成；可指定参考音色文件；可设置语言代码与输出音频路径；可自定义 Gradio 服务地址。默认参考音色为 assets/miss-arrogant.mp3。
使用方式：在本 Skill 目录执行 python3 scripts/confucius4_tts.py --text "你好，这是一次声音克隆测试。" --out output.wav；使用文本文件时执行 python3 scripts/confucius4_tts.py --text-file input.txt --out output.wav；指定参考音色时执行 python3 scripts/confucius4_tts.py --reference /path/to/reference.mp3 --text-file input.txt --out output.wav。
参数：--text 为要合成的文本，默认空；--text-file 为从文件读取文本，默认空；--reference 为参考音色，默认 assets/miss-arrogant.mp3；--lang 为语言代码，默认 zh；--out 为输出音频，默认 voice-clone-output.wav；--base-url 为 Gradio 服务地址，默认 Confucius4-TTS Demo。--text 和 --text-file 必须提供一个，同时提供时优先使用 --text。
Agent 工作流：确认参考音频和文本来源；如用户直接给长文本，写入临时文本文件；运行 python3 scripts/confucius4_tts.py；确认输出 wav 文件存在和大小；把输出路径反馈给用户。
限制：该脚本只依赖 Python 标准库，调用公开 Gradio Demo，不需要 API Key；远端可能排队、限流或临时不可用。