用途：通过 inference.sh 命令行工具（infsh）将文本转换为自然语音，覆盖多种 TTS 模型，适合配音、有声书、播客、无障碍朗读、IVR 语音提示和视频旁白等场景。
主要能力与模型：ElevenLabs TTS（elevenlabs/tts，主打高质量，22+ 音色、32 种语言）；DIA TTS（infsh/dia-tts，对话式、富有表现力）；Kokoro TTS（infsh/kokoro-tts，快速自然）；Chatterbox（infsh/chatterbox，通用）；Higgs Audio（infsh/higgs-audio，情绪控制）；VibeVoice（infsh/vibevoice，适合播客与长音频）。可用 infsh app list --category audio 浏览全部音频应用。
使用方式：需先安装 inference.sh CLI（infsh），然后登录：infsh login。基础生成示例：infsh app run infsh/kokoro-tts --input '{"text": "Hello, welcome to our product demo."}'。也可先用 infsh app sample <app-id> --save input.json 生成输入模板，编辑 JSON 后运行，例如 DIA 可设置 voice 为 conversational，Higgs 可设置 emotion 为 excited，VibeVoice 可传入播客脚本。生成语音后可将其音频 URL 与 OmniHuman 等应用结合，制作数字人视频。
相关技能可通过 npx skills add 安装，如 inference-sh/skills@elevenlabs-tts、@elevenlabs-dialogue、@infsh-cli、@ai-avatar-video、@ai-music-generation、@speech-to-text、@ai-video-generation。
限制：具体收费、价格、配额、音色数量细节及平台支持情况暂未提供；实际可用模型与参数以 inference.sh 平台为准。