用途：该技能面向视频、播客、游戏等场景，提供基于 ElevenLabs API 的 AI 配音、音效与音乐生成能力，并给出与 Remotion 视频制作流程同步的集成方案。
主要能力：
- 文本转语音：使用 client.text_to_speech.convert 指定文本、voice_id、model_id 与 VoiceSettings（stability、similarity_boost、style、speed）生成并保存 MP3。文档列出 eleven_multilingual_v2、eleven_flash_v2_5、eleven_turbo_v2_5、eleven_v3 四种模型及其质量、SSML 支持与备注。
- 声音设置建议：按自然专业、对话、活力 YouTuber 三类风格给出 stability、similarity、style、speed 参考区间。
- 停顿与发音控制：flash/turbo 模型可用 <break> 与 <phoneme> 标签；multilingual_v2/v3 不支持 SSML，可通过段落分隔或 ffmpeg 后处理插入静音；文档明确告诫不要用省略号作为停顿手段。发音可用音标拼写或 IPA 音素标签调整。
- 声音克隆：Instant Voice Clone 使用 client.voices.ivc.create() 传入以二进制模式打开的文件对象，建议 2-3 段样本；Professional Voice Clone 需 Creator 计划及以上、30 分钟以上音频。
- 音效生成：单次最长 22 秒，使用 client.text_to_sound_effects.convert，可设 duration_seconds 与 prompt_influence。
- 音乐生成：时长 10 秒至 5 分钟，使用 client.music.compose()，可设 prompt、music_length_ms、force_instrumental。
- Remotion 集成：给出从配音脚本到逐场景音频生成、manifest.json 时长清单、按音频时长计算帧数、<Audio>/<Series>/<Sequence> 组件使用、淡入、延迟播放、配音与演示视频同步、错误处理等示例。
- 词级时间戳：直连 elevenlabs_tts 时传 with_timestamps: true 可获取 word_timestamps 与 alignment_path，用于字幕和动画提示对齐。
- 工具命令 /generate-voiceover：读取 VOICEOVER-SCRIPT.md、逐场景生成音频、保存到 public/audio/scenes/、生成 manifest.json 并更新 project.json。
使用方式：OpenMontage 集成中，应先检查注册表；优先使用 fal_elevenlabs_tts（可提供 Eleven v3、Multilingual v2、Turbo v2.5，无需单独 ElevenLabs 凭证），仅在注册表报告 elevenlabs_tts 可用时使用直连。共享安装环境中不应要求用户创建 .env、导出密钥或粘贴凭证，缺失直连权限应报为管理员配置请求。直连示例需要集中配置的 ELEVENLABS_API_KEY。
适用场景：视频配音与字幕同步、播客旁白、游戏音效与背景音乐、Remotion 程序化视频的音频轨道制作。
限制：音效单次最长 22 秒；音乐最长 5 分钟；Professional Voice Clone 有计划和音频时长门槛；eleven_v3 为 Alpha，可靠性不足需提示词工程与重试；multilingual_v2/v3 不支持 SSML；省略号不能可靠表示停顿。收费标准与具体价格暂未提供。