用途：在本地把文本转成语音音频，适合生成播客、简报等语音内容。基于 Apple Silicon 的 MLX 加速与 Kokoro-82M 模型，无需 API 密钥或持续费用。
主要能力：支持直接输入文本或从文件读取；可选语音预设（如默认 af_heart，另有 af_bella、am_adam、bf_emma、bm_daniel 等美式与英式英文声音）；可指定模型（默认 Kokoro-82M-bf16）；输出 MP3、WAV、M4A、OGG 等格式。文本按约 400 字符分块处理，再用 pydub 无缝拼接。
使用方式：用 uv 运行脚本，必须使用 --with 标志，不要用 PEP 723 内联依赖。示例：uv run --with mlx-audio --with pydub skills/local-tts/scripts/generate_audio.py --text "Hello, this is a test." --output ~/Desktop/test.mp3；从文件生成：把 --text 换成 --file /tmp/script.txt，可加 --voice af_heart；列声音：uv run --with mlx-audio skills/local-tts/scripts/list_voices.py。参数含 --text、--file（二者取一）、--voice（默认 af_heart）、--output（必填）、--model（默认 Kokoro-82M-bf16）、--list-voices。
适用场景与限制：适用于 Apple Silicon，性能约 M3 Pro 36GB 为 3-4 倍实时，M1/M2 8GB 约 1.5 倍，16GB 约 2 倍；首次运行较慢，需下载约 200MB 模型，模型缓存在 ~/.cache/huggingface/hub/models--mlx-community--Kokoro-82M-bf16/。采样率 24kHz 单声道。其他平台、更多语言或收费信息暂未提供。