用户可用于视频配音等需精准控制语音时长与情感表达的场景，该项目支持显式时长控制和自由生成模式，实现音色与情感解耦，通过多模态输入及自然语言描述灵活控制语音情感，提升合成语音清晰度与表现力。【此简介由AI生成】