流程：填入图片和旁白文案 → 服务端自动把文案写成旁白提示词 → 生成带中文配音的视频。API Key 存在服务器，不在网页里。
需要是公网可访问的图片直链（apimart 出图的链接即可）
中文约每秒 4 字，建议 60 字以内（约 15 秒）；最长不超过 300 字