用提示词生成音频

最多添加 3 段音频参考；选择预设音色后最多 2 段。音频与图片参考不能同时使用。 上传支持 MP3、WAV、Ogg Opus，每段最多30秒，合计最多10 MB。

使用 1 张 JPG、PNG 或 WebP 图片。图片不能与音频参考或预设音色组合。