用途：通过 inference.sh 命令行工具（infsh）把文本合成自然语音，可选用多种 TTS 模型。
主要能力与模型：ElevenLabs TTS（elevenlabs/tts，高级质量、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，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，然后登录：infsh login。基本合成示例：infsh app run infsh/kokoro-tts --input '{"text": "Hello, welcome to our product demo."}'。也可先 infsh app sample <app-id> --save input.json 生成输入样例，编辑后再运行，如 DIA 对话式可设 "voice": "conversational"，Higgs 可设 "emotion": "excited"。VibeVoice 适合播客脚本等长文本。
与其他能力结合：可先生成语音，再将音频 URL 交给 OmniHuman（bytedance/omnihuman-1-5）生成数字人视频。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。
适用场景：配音（产品演示、解说视频）、有声书、播客、无障碍、IVR 电话语音提示、视频旁白。
限制：需安装并登录 inference.sh CLI；具体模型参数、音色清单、语言支持与收费情况资料未完整提供，请以官方文档与 CLI 输出为准。