用途：为当前项目生成语音音频，包括旁白、产品演示配音、IVR/电话提示音、无障碍朗读，以及批量语音生成。
主要能力：支持单条语音片段生成与批量提示生成；默认模型为 gpt-4o-mini-tts-2025-12-15，默认音色 cedar，若需更明亮音色可用 marin；仅支持内置音色，自定义音色不在范围内。instructions 参数适用于 GPT-4o mini TTS 模型，不适用于 tts-1 或 tts-1-hd。
使用方式：先判断单条还是批量；收集原文、音色、风格、格式与约束；批量时在 tmp/ 下写临时 JSONL（每行一个任务），运行一次后删除。通过捆绑 CLI（scripts/text_to_speech.py）运行，使用 --out 或 --out-dir 控制输出路径，最终产物写入 output/speech/。依赖安装优先用 uv pip install openai，若不可用则 python3 -m pip install openai。需设置 OPENAI_API_KEY 才能进行实时 API 调用；若缺失，引导用户在 OpenAI 平台创建密钥并在本地设置环境变量，切勿让用户在聊天中粘贴完整密钥。所有 API 调用使用 OpenAI Python SDK，不使用原始 HTTP。
限制：每次请求输入不超过 4096 字符，超长需分块；速率限制为每分钟 50 次请求，CLI 将 --rpm 上限设为 50；需向最终用户明确披露语音为 AI 生成；不得修改 scripts/text_to_speech.py。指令增强只将用户已隐含或提供的细节显式化，不重写输入文本、不虚构新要求。重要片段需校验可懂度、节奏、发音与约束遵循情况，迭代时每次只做一处针对性修改。
适用场景：旁白/讲解、产品演示配音、IVR/电话提示、无障碍朗读等。各场景模板与默认值见 references 下对应文档。