选择 3-10 秒参考音频或视频（视频会自动提取音频），在波形图上拖拽选取裁剪区域，填写后端接口地址和生成文本，直接调用中间层 /api/tts。
/api/tts
如果后端端口或主机变了，在这里改完整地址。页面会把表单直接 POST 到这个地址。
显式语速会覆盖情绪 preset 中的语速。