根据真实素材与文案排镜头，生成配音、同步字幕和背景音乐。
画幅跟随所选素材锁定，支持9:16、16:9、1:1；所有素材须相同画幅。
开启后去除素材原声，使用所选音色生成旁白。
填写文案，选择素材和音色，按语义智能排镜头。