长文案口播视频生成

人物图 + 口播文案 + 音频（可选）= 口播视频

人物图（同时作为每一小段的首帧与尾帧）

长文案音色参考音频（可选；不选则保留原音色，不调用变声工作流）

高级设置

画面比例语速（字/秒）每段最长（秒）合并目标（秒）

待开始