用途：sag 用于调用 ElevenLabs 文本转语音（TTS）并在本地播放，交互方式类似 macOS 的 say 命令。
主要能力：支持指定语音、输出音频文件、列出可用语音，并提供针对不同模型的提示与发音/语气控制。默认模型为 eleven_v3（富有表现力），稳定模型为 eleven_multilingual_v2，快速模型为 eleven_flash_v2_5。
使用方式：需配置 API key，优先使用 ELEVENLABS_API_KEY，CLI 也支持 SAG_API_KEY。常用命令：sag "Hello there"；sag speak -v "Roger" "Hello"；sag voices；sag prompting。生成音频文件示例：sag -v Clawd -o /tmp/voice-reply.mp3 "Your message here"。语音默认值可通过 ELEVENLABS_VOICE_ID 或 SAG_VOICE_ID 设置。
发音与语气：可先通过重拼（如 "key-note"）、加连字符、调整大小写修正发音；数字/单位/URL 可用 --normalize auto（若影响名称可设为 off）；用 --lang en|de|fr|... 引导规范化。v3 不支持 SSML <break>，改用 [pause]、[short pause]、[long pause]；v2/v2.5 支持 SSML <break time="1.5s" />，但 sag 未暴露 <phoneme>。v3 音频标签需放在行首，如 [whispers]、[shouts]、[sings]、[laughs]、[sighs]、[sarcastic]、[curious]、[excited] 等。
适用场景：命令行快速朗读、生成语音回复文件、按角色风格（如疯狂科学家、平静、戏剧化）调整语气。
限制：需自备 ElevenLabs API key；长输出前建议先确认语音与说话人；部分 SSML 能力在特定模型或工具中不可用。