用途：通过 Picsart gen-ai CLI 或 @picsart/gen-ai-mcp MCP 服务器完成音频生成任务，包括配音、旁白、广告读稿、播客开场、多语言本地化、语音克隆/配音（STS）、音乐、音效（SFX）以及视频对齐音频。
主要能力与模型：TTS 可用 eleven-v3（高质量）、eleven-multilingual-v2（32 语言一致音色）；STS 可用 eleven-sts-v2、eleven-multilingual-sts-v2；音效为 elevenlabs-sfx；音乐为 minimax-music-v2；另有 kling-t2a、kling-v2a（视频配音频）。可用 gen-ai models --mode audio 查看当前模型。CLI 适合脚本化批量、JSON 输出与视频音频衔接；未安装 CLI 时，在 Claude Code、Codex、Cursor、Windsurf、ChatGPT 中可由 MCP 原生调用 gen-ai_generate。
使用方式：TTS 提示词包含音色、演绎与文本三层，模板为 [VOICE_CHARACTER] [DELIVERY_NOTE] [TEXT]，标点决定停顿。音乐需说明风格、速度、情绪与结构；SFX 应具体命名并保持简短。批量任务用 JSON 清单加 gen-ai batch run，支持 --dry-run 校验。克隆/配音需通过 --audio 传入源音频。输出可为 .mp3、.wav 或 .m4a，配音默认单声道，TTS 默认单声道，音乐为立体声。
适用场景：单条或多市场配音、配音替换、广告读稿、播客开场（人声与音乐分轨）、短视频配乐、UI 音效集、为视频自动匹配拟音。
限制与注意事项：STS 无法凭空生成音色，必须提供源音频；多语言应使用多语言变体以避免音色漂移；音色 ID 会变动，需先用 gen-ai models info eleven-v3 查询，不应假设。大批量（50 行以上）建议先查定价，如 gen-ai pricing eleven-multilingual-v2、gen-ai pricing minimax-music。资料给出的额度参考：Eleven v3/多语言 v2 约 1 点/250 字符，STS 约 2 点/250 字符，SFX 约 1 点/个，MiniMax Music 约 5 点/30 秒；Kling 计费需先查定价。若需降噪、响度归一或静音裁剪，可在本地用 ffmpeg 处理。其余平台细节与具体价格暂未提供。