用途：将文本转换为自然语音音频，基于 MiniMax Voice API，支持自定义音色。
主要能力：单条命令完成文本转语音；默认音色为 male-qn-qingse，可用 -v 指定其他音色；支持中文与英文文本；单次请求文本上限 10000 字符，超长需拆分后合并；可用 <#x#> 插入 0.01 至 99.99 秒停顿；speech-2.8 模型可自动匹配文本情绪。还提供音色管理（列出、克隆、按描述设计）与音频处理（合并、格式转换）。
使用方式：先运行 python check_environment.py 检查环境；未设置密钥时执行 export MINIMAX_VOICE_API_KEY="your-api-key-here"。生成语音示例：python mmvoice.py tts "Hello, this is a test." -o test.mp3；指定音色：python mmvoice.py tts "Hello world" -v female-shaonv -o hello.mp3。列出音色：python mmvoice.py list-voices。克隆：python mmvoice.py clone audio_file.mp3 --voice-id my-custom-voice。设计：python mmvoice.py design "A warm, gentle female voice" --voice-id designed-voice。合并：python mmvoice.py merge file1.mp3 file2.mp3 file3.mp3 -o combined.mp3。转换：python mmvoice.py convert input.wav -o output.mp3 --format mp3。
适用场景：需要由文本批量或按需生成语音音频的内容制作。
限制：需 Python 3.8+ 与 MINIMAX_VOICE_API_KEY 环境变量；FFmpeg 为可选，用于音频合并与转换。音色目录见 reference/voice_catalog.md，更多文档见 reference 目录。具体收费与价格暂未提供。