启用后，成片与素材会优先写入云端；本地仅作处理缓存。凭证仅管理员可见，请勿外传。
保存后对新上传与新导出的媒体生效。连通异常时进度中会提示「云端同步失败」。
在百度网盘开放平台创建应用后获取 token；用于把网盘视频导入本平台素材库。
文案 / 出题等文本调用默认 flash；pro 可在工作台由管理员切换。视觉打标仍用 deepseek-v4-flash-vision-exp（同一把 Key）。
入口：工作台 → 文案工坊（/copy-studio.html）。也可用环境变量 DEEPSEEK_API_KEY 覆盖。
工坊素材库默认走上方 DeepSeek 视觉模型。此处仅在你要换别的视觉服务商时启用；未启用时自动用 DeepSeek。
需先在讯飞开放平台「一句话复刻·标准版」开通免费测试包；克隆走 HTTP REST + MD5 鉴权，合成走 WebSocket + HMAC-SHA256 鉴权；训练约 2–10 分钟。
文本始终原样送模型，不做任何谐音改写。中英混合讲稿选 auto，英文会走英文发音前端。
克隆音色时会把参考 wav 同步到此目录，并把该路径交给 GPT-SoVITS。工坊与模型同机时可直接写入；Windows 本地 + 隧道时需手动把 wav 拷到服务器对应路径。线上已跑通示例：/www/wwwroot/default/gpt_sovits/refs。
运行 GPT-SoVITS 的 API 服务（默认端口 9880），不消耗任何云端 key。服务器上已装成 systemd 服务 gptsovits，可在「声音克隆」页直接启动/重启/停止；手动启动等价于 python api.py -dr 参考.wav -dt 参考文字 -dl zh -p 9880。
音频要求：清晰无背景音的人声。MiniMax 建议 10 秒~5 分钟；本地 GPT-SoVITS 5 秒即可零样本。本地模型克隆时请填写「参考音频文字稿」。
使用服务器已装的 server/tools/asr_venv + local_asr.py，不消耗云端 key。
调用 POST {地址}/audio/transcriptions。不配也不影响使用 —— 参考片段只有几秒钟，手动打十几个字即可。配上之后，创建音色时可一键把参考片段转成文字稿。