用途：将文本转换为自然的语音音频，适用于朗读片段、即时配音、多说话人对话或脚本化音频。
主要能力：提供两种模式。快速模式（--mode direct）为单声、低延迟同步生成，适合随手朗读与短文本；脚本模式（--mode smart）支持多说话人、按段落分配声音，适合对话、有声书与脚本化内容。脚本模式可返回字幕链接、音频时长与消耗积分等信息。
使用方式：先检查 CLI 认证并读取配置（默认写入 .listenhub/tts/config.json，零提问启动）。根据输入自动判定模式：出现“多角色/脚本/对话/script/dialogue/multi-speaker”或带角色标记的段落走脚本模式；纯文本或“读一下/read this/TTS/朗读”走快速模式，无法判定默认快速模式。快速模式示例：listenhub tts create --text "{text}" --mode direct --speaker "{name}" --lang {lang} --json；脚本模式使用 --mode smart，可多次传入 --speaker，并用 --no-wait 提交后轮询状态。结果默认在线展示音频链接，也可下载到当前工作目录，文件名按主题生成并自动去重。
限制与约束：说话人 ID 不可硬编码，需按内置默认或通过 speakers CLI 获取；产物不得默认保存到 ~/Downloads/ 或 /tmp/，需存到当前目录；所有 CLI 调用需遵循共享的认证、配置、输出模式等规范。若用户未提供文本需先询问；脚本模式可能耗时较长，需后台轮询。
适用场景：快速朗读与配音；多角色对话、有声书、脚本化旁白；可被讲解类技能调用作画外音。其他细节（如具体收费、价格、平台支持）暂未提供。