用途：通过 inference.sh CLI 调用 falai/dia-tts 生成多说话人对话音频，适合播客、访谈、教程讲解、辩论等双人对话场景。
主要能力：用 [S1]、[S2] 标签区分至多两位说话人，标签需大写且每轮发言开头必须带上，同一会话内每位说话人的声音保持一致。Dia TTS 会依据标点推断语气与停顿：句号表示中性陈述并中等停顿，感叹号强调兴奋，问号升调，省略号表示犹豫或长停顿，逗号短促换气，破折号表示打断或转折。
情绪控制：支持括号内非语音提示，例如 (laughs)、(sighs)、(clears throat)、(whispers)、(gasps)，用于增加表情。
节奏控制：可调整句子长短与标点组合来控制语速感知，短句显得更快，带逗号的长句显得沉稳，问答交替形成互动节奏。较长对话（约超过30秒）建议分段生成后用 infsh/media-merger 合并。后期可用 infsh/video-audio-merger 做音量平衡，用 infsh/media-merger 叠加背景音乐。
必要用法：需先安装 inference.sh CLI（infsh）并执行 infsh login。生成示例：infsh app run falai/dia-tts --input '{"prompt": "[S1] 你好 [S2] 你好"}'。
限制：每次生成最多两位说话人；标签必须大写；同一说话人声音自动分配，无法在会话内更换；本资料未提供价格、时长上限等细节。脚本写作建议口语化、使用缩写与自然语气词，避免超过三句的独白，并提前朗读检查。