用途：通过 inference.sh CLI（belt）调用 ElevenLabs 文本转语音，将文本合成为语音，适用于配音、有声书、播客、课程讲解、无障碍朗读、IVR 电话语音与视频旁白等场景。
主要能力：提供 22+ 预置音色（如 aria、alice、george、brian 等，含美式、英式、澳式等风格），支持 32 种语言。可选模型包括 eleven_multilingual_v2（最高质量，约 250ms 延迟）、eleven_turbo_v2_5（速度与质量平衡，约 150ms）、eleven_flash_v2_5（超低延迟，约 75ms）。可通过 stability、similarity_boost、style、use_speaker_boost 调节音色表现。输出格式含 mp3_44100_128（默认）、mp3_44100_192 及多种 PCM 采样率。
使用方式：先安装 CLI 技能：npx skills add belt-sh/cli，并登录 belt login。基础调用示例：belt app run elevenlabs/tts --input '{"text": "Hello, welcome to our product demo.", "voice": "aria"}'。可在 input 中指定 model、stability、similarity_boost、style、output_format 等参数。音色与视频工作流可先用 belt app run elevenlabs/tts 生成配音，再用 bytedance/omnihuman-1-5 生成数字人视频。相关技能包括 elevenlabs-dialogue、elevenlabs-voice-changer、elevenlabs-sound-effects、text-to-speech 与 infsh-cli。
限制：依赖 inference.sh CLI（belt）及登录凭据；延迟与质量因所选模型而异；音色、参数范围与输出格式以资料列出的为准，未提供的语言、音色或计费信息暂未提供。