用提示詞生成音訊

最多新增 3 段音訊參考；選擇預設音色後最多 2 段。音訊與圖片參考不能同時使用。 上傳支援 MP3、WAV、Ogg Opus，每段最多30秒，合計最多10 MB。

使用 1 張 JPG、PNG 或 WebP 圖片。圖片不能與音訊參考或預設音色組合。