用途：通过 inference.sh CLI（belt）生成 AI 语音，覆盖文本转语音、语音变换与配音等场景。
主要能力：提供多个模型，包括 Inworld TTS-2（100+ 语言、情感与非语言提示、交付模式）、Inworld TTS 1.5 Max（低延迟 <200ms、15 语言）、Inworld TTS 1.5 Mini（约 120ms、实时）、ElevenLabs TTS（22+ 音色、32 语言）、ElevenLabs Voice Changer、Kokoro TTS、DIA、Chatterbox、Higgs、VibeVoice。Kokoro 提供美式与英式英语多音色；Inworld TTS-2 支持用 [brackets] 控制情感与非语言（如 [laugh]、[whisper]），交付模式有 STABLE、BALANCED、CREATIVE。
使用方式：先安装并登录 CLI：npx skills add belt-sh/cli；belt login。生成语音示例：belt app run infsh/kokoro-tts --input '{"prompt": "...", "voice": "af_sarah"}'。长文本超过 5000 字符需分块，再用 infsh/media-merger 合并；可结合视频或头像模型生成配音与说话头像。
适用场景：视频配音、有声书、播客、在线课程、无障碍朗读、IVR、内容本地化等。
限制：需 inference.sh CLI 与登录；长文本需分块处理；具体模型可用性、音色数量与延迟数据以资料所述为准，价格与平台支持暂未提供。