用途：通过 inference.sh CLI（belt）调用 ElevenLabs 的 text-to-dialogue，生成多说话人对话音频，将不同声音合成到单个音频文件中。
主要能力：每个说话人可从 22+ 声音中选择，女声包括 aria、alice、bella、jessica、laura、lily、sarah、matilda，男声包括 george、adam、bill、brian、callum、charlie、chris、daniel、eric、harry、liam、river、roger、will。可在文本中用方括号加入语音指导控制表演，例如 [excitedly]、[sadly]、[whispering]、[angrily]、[sarcastically]、[curiously]、[proudly]、[nervously]、[cheerfully]。
使用方式：先安装技能 npx skills add belt-sh/cli，再执行 belt login 登录。生成对白命令为 belt app run elevenlabs/text-to-dialogue --input '{"segments":[{"text":"...","voice":"george"}]}'，每个 segment 包含文本与声音。可与 ElevenLabs 音乐技能及 infsh/media-merger 组合，为对白添加背景音乐并合并。
适用场景：播客、有声书对白、电子学习问答、讲解教程、客服培训、视频脚本预演等。
限制：需登录 inference.sh CLI，具体费用、配额与输出格式资料暂未提供；语音指导应节制使用，建议每轮对话一到两处，单段保持在 3 句以内。