用途：通过 Dia TTS（经 inference.sh CLI，即 belt）生成多说话人对话音频，适用于访谈、教程讲解、讨论辩论等场景。
主要能力：
- 说话人标签：用 [S1]、[S2] 区分两位说话人，标签须大写，每轮发言都以标签开头，每次生成最多 2 个说话人，同一会话内每个说话人音色保持一致。
- 情绪与表达：通过标点控制语气，如句号表中性、感叹号表强调、问号表疑问、省略号表迟疑、逗号表短停顿、破折号表打断；支持括号非语音提示，如 (laughs)、(sighs)、(clears throat)、(whispers)、(gasps)。
- 节奏控制：标点对应不同停顿长度，短句偏快、长句加逗号偏缓；可用问答形成互动节奏。
- 后期处理：用 infsh/video-audio-merger 合并视频与音频并调音量，用 infsh/media-merger 叠加背景音乐或合并分段；超过约 30 秒的长对话建议分段生成后再合并。
使用方式：需先安装并登录 belt CLI（npx skills add belt-sh/cli，然后 belt login）。生成对话示例：belt app run falai/dia-tts --input '{"prompt": "[S1] ... [S2] ..."}'。可用 belt app list 浏览可用应用。
限制与建议：每次生成最多两个说话人；脚本应口语化、用短句和缩写、加入反应词，避免长独白与无情绪变化，正式书面语会显得不自然。
相关技能：可使用 npx skills add inference-sh/skills@elevenlabs-dialogue（22+ 音色与语音指导）、@text-to-speech、@ai-podcast-creation、@ai-avatar-video。
ElevenLabs 相关细节及具体收费标准资料中暂未提供。