核心用法
OpenAI TTS 通过调用 /v1/audio/speech 端点实现文本转语音，支持两种模型：
tts-1：快速模式，约 $0.015/1K 字符tts-1-hd：高清质量，约 $0.030/1K 字符
内置 6 种风格化语音（alloy/echo/fable/onyx/nova/shimmer），覆盖中性、温暖、英式、权威、友好等气质。输出格式支持 mp3/opus/aac/flac/wav/pcm，语速可调 0.25-4.0 倍。
显著优点
1. 音质自然：基于 OpenAI 语音合成大模型，韵律和情感表现优于传统 TTS
2. 即开即用：仅需 curl 和 API Key，无本地模型部署负担
3. 成本控制：按字符计费，短文本成本极低
4. 格式灵活：支持流式输出到 stdout 或指定文件，方便管道集成
潜在局限
- 依赖网络：必须联网调用 API，无法离线使用
- 中文支持有限：官方文档未明确优化中文韵律，实际效果需测试
- 隐私顾虑：文本需上传至 OpenAI 服务器
- 速率限制：受 API 配额约束，高频场景需申请提升限额
适合人群
- 开发者需快速为应用添加语音反馈
- 内容创作者批量生成播客/视频配音草稿
- 无障碍工具集成者（屏幕朗读等）
常规风险
API Key 泄露可能导致账户被盗刷，建议通过环境变量或配置文件管理，避免硬编码。高清模型成本翻倍，批量任务建议先用 tts-1 验证再升级。