用途：通过 inference.sh 命令行工具（infsh）调用多种文本转语音（TTS）模型，把文字合成为自然语音，用于配音、有声书、播客、课程讲解、无障碍朗读、电话语音提示和内容本地化等场景。
主要能力：提供 Kokoro TTS（infsh/kokoro-tts，多音色自然语音）、DIA（infsh/dia-tts，对话化、富有表现力）、Chatterbox（infsh/chatterbox，休闲娱乐）、Higgs（infsh/higgs-tts，专业旁白）、VibeVoice（infsh/vibevoice，情感范围广）等模型。Kokoro 提供美式与英式英语音色库，如 af_sarah、af_nicole、af_sky、am_michael、am_adam、am_echo、bf_emma、bf_isabella、bm_george、bm_lewis，并可按 speed 参数调整语速（0.8 至 1.2）。
使用方式：先安装并登录 CLI：curl -fsSL https://cli.inference.sh | sh && infsh login。随后用 infsh app run 调用模型，例如 infsh app run infsh/kokoro-tts --input '{"text": "...", "voice": "af_sarah"}'。多说话人对话可分别生成后，用 infsh app run infsh/media-merger 合并并设置 crossfade_ms。超过 5000 字符的长文本建议分块生成再合并。还可与视频合并生成配音，或配合 bytedance/omnihuman-1-5 生成数字人说话视频。
适用场景：视频旁白、广告、有声书、播客、在线课程、无障碍朗读、IVR 语音提示、内容本地化。
限制：资料未提供各模型的收费、价格、语言覆盖范围、并发或配额等具体信息；长文本需自行分块处理；音色与语速效果需实际测试。相关技能可通过 npx skills add inferencesh/skills@text-to-speech 等命令获取。