配置形象、文案与配音，一键生成口播视频。
上传照片，或从形象库挑选。
描述人物动作和画面表现，或使用带货模式上传商品图。
0/500 字
使用系统音色、声音克隆或完整口播录音
仅显示后台已启用的 TTS 供应商和音色。
上传一段清晰人声（约 5–30 秒），用于克隆音色；支持 mp3、wav、flac、m4a 等。
上传已录好的完整口播，不调用 TTS 或声音克隆；最长 60 秒。
点击开始后由浏览器请求麦克风权限。
自动烧录字幕显示在画面底部居中
请先生成口播试听音频
系统音色和录音按真实时长选档；声音克隆自动选档并按最终实际时长结算。
字幕预览效果
