用途：使用 Google Gemini TTS 将文本转为自然、富有表现力的语音，适用于配音、旁白、播客等文本转语音任务。支持 70 多种语言、30 种预置音色，并可通过自然语言提示和音频标签控制风格。
主要能力：提供脚本 scripts/generate-tts.mjs，支持单段文本生成与多段配音生成。多段模式通过单次请求保证音色一致，用 [3 second pause] 标记合并所有段落，生成一个连续音频文件，再用 ffmpeg silencedetect 自适应阈值检测静音间隙并切分为各段文件，最后修剪残留静音（每侧约 1.5 秒，保留 0.15 秒呼吸空间）。输出 JSON 到 stdout，含各段文件、时长、总时长与完整音频文件。
使用方式：需 Node.js 18+、ffmpeg、@google/genai npm 包及 GEMINI_API_KEY 环境变量。安装：npm install @google/genai。单段示例：GEMINI_API_KEY=your-key node scripts/generate-tts.mjs --text "Hello, welcome to our product!" --output-dir public/vo --voice Kore。多段需创建 segments.json（[{id, text}]），再运行并可用 --director-notes 指定风格、节奏、口音。
主要选项：--segments、--text、--output-dir（必填）、--voice（默认 Kore）、--model（默认 gemini-3.1-flash-tts-preview）、--director-notes、--retries（默认 3）、--trim/--no-trim、--format（mp3 或 wav）。退出码：0 成功，1 缺参数或环境变量，2 重试后 API 错误，3 ffmpeg 缺失或处理失败，4 文件 I/O 错误。
模型：gemini-3.1-flash-tts-preview（最新、可控、200+ 音频标签，默认）、gemini-2.5-flash-preview-tts（快速、通用）、gemini-2.5-pro-preview-tts（最高质量、复杂表演）。
限制：Gemini TTS 不保证跨独立 API 请求的音色一致性，故脚本采用单请求合并方案；--director-notes 不控制性别与年龄，需用 --voice 指定；过度指定导演注释可能限制模型创造力。资料未提供收费与价格信息。