¿Puedes construir ElevenLabs con IA?

Créame un espacio de trabajo personal de texto a voz, la parte que se puede hacer por cuenta propia de ElevenLabs.
Requisitos:

- Una CLI de Node más una pequeña página web local (Express, solo localhost): pegar texto,
  elegir un preajuste de voz y obtener un mp3.
- Motor 1: Piper o Kokoro ejecutándose localmente en CPU, gratis y privado. Motor 2:
  alternativa opcional de OpenAI TTS, con la clave en .env, para cuando la calidad sea más importante que la privacidad.
- Guardar cada generación en ~/TTS/YYYY-MM-DD/<slug>.mp3, con un archivo .txt
  auxiliar que contenga el texto de entrada, el motor y la voz utilizados.
- Preajustes de voz en voices.json: nombre, motor, identificador de voz y velocidad.
- Modo por lotes: indicar una carpeta de archivos .txt y obtener una carpeta de mp3 para
  narrar notas o artículos.
- Sin cuentas ni telemetría, con prioridad local; las únicas llamadas de red deben ser las de
  la API alojada opcional.
- Fuera de alcance: clonación de voz, doblaje y dirección emocional de la voz. Nunca
  clones la voz de una persona real; esa es precisamente la parte que no debería hacerse por cuenta propia.
- README: pasos para descargar los modelos y una explicación honesta de que la brecha de calidad
  frente a ElevenLabs es real; los modelos de voz de frontera y las licencias son el producto y
  no se pueden reconstruir en solitario.