用途：使用 HeyGen 自研 Starfish TTS 模型，通过 v3 API 将文本转换为独立语音音频文件，与视频创作流程分离。
认证：所有请求需 X-Api-Key 请求头，设置 HEYGEN_API_KEY 环境变量。若存在 HeyGen MCP 工具（mcp__heygen__*），优先使用而非直接 HTTP 调用。
主要能力：列出兼容 Starfish 的语音（mcp__heygen__list_audio_voices 或 GET /v3/voices?engine=starfish，支持 engine、type、language、gender、limit、token 参数，结果分页）；生成语音（mcp__heygen__text_to_speech 或 POST /v3/voices/speech），请求字段含 text（1-5000 字符）、voice_id、input_type（text 或 ssml）、speed（0.5-2.0，默认 1.0）、language、locale。响应返回 audio_url、duration、request_id 及 word_timestamps。
用法：先列出语音并挑选匹配语言、性别与特性的 voice_id，再调用生成接口，用返回的 audio_url 下载或播放。支持 SSML 输入与 break 标签停顿（如 word <break time="1s"/> word，标签前后需空格、自闭合）。
限制与建议：统一 /v3/voices 端点服务所有语音类型，必须加 engine=starfish 过滤；设置 locale 前检查 support_locale，仅多语言语音支持；speed 建议保持 0.8-1.2；部分语音 preview_audio_url 可能为 null；语音列表需用 has_more 与 next_token 分页获取。收费、价格与平台信息暂未提供。