用途：把文本转换为语音音频，供文档、演示或代理流程使用。支持三种后端：OpenAI TTS（tts-1 低延迟、tts-1-hd 高质量，6 种音色，57 种语言，单请求上限 4096 字符，支持流式）、ElevenLabs（eleven_turbo_v2、eleven_multilingual_v2，可克隆音色，29 种语言，字符数不限，支持流式）、Google TTS（gTTS Python 库，40+ 语言，免费额度，不支持流式）。资料给出成本参考：OpenAI 约 $15/1M 字符，ElevenLabs 约 $22/1M 字符，Google 免费（有限）。
主要能力：音色选择（OpenAI：alloy、echo、fable、onyx、nova、shimmer）、语速控制（0.25 到 4.0）、输出格式 mp3、opus、flac、wav、pcm。
使用方式：安装依赖并设置环境变量。pip install openai elevenlabs gtts pydub；export OPENAI_API_KEY="sk-..."；export ELEVENLABS_API_KEY="..."。可通过 OpenAI 的 client.audio.speech.with_streaming_response.create、ElevenLabs 的 client.text_to_speech.convert 或 gTTS 生成音频并保存为文件。超长文本需按句子边界切分并累加至上限（约 4000 字符）后分块，再用 pydub 拼接；可按内容哈希缓存。
适用场景：文档与演示旁白、需要克隆音色或最高音质的场景、多语言免费额度场景。
限制：各后端字符上限、延迟、成本与流式支持不同；资料未提供 ElevenLabs 与 Google 的具体价格细节、账号要求或并发限制，暂未提供。