조합형 텍스트 음성 변환(Compose TTS)

여러 음성 구간과 쉼을 하나의 오디오 파일로 생성합니다. `segments` 배열에 `tts`와 `pause` 객체를 재생할 순서대로 넣으세요. 각 `tts` 세그먼트는 `POST /v1/text-to-speech`와 동일한 보이스, 모델, 감정, 출력 설정을 지원하며 세그먼트마다 다른 보이스와 모델을 사용할 수 있습니다.

제한 - 전체 세그먼트는 최대 50개이며 `tts` 세그먼트가 최소 1개 필요합니다. - 모든 `tts` 세그먼트의 텍스트 합은 최대 2,000자입니다. - 쉼은 개별 최대 10초, 전체 합계 최대 60초입니다. - 모든 `tts` 세그먼트의 `audio_format`은 같아야 합니다.

크레딧은 `tts` 텍스트 길이의 합만큼 차감되며 쉼에는 차감되지 않습니다. 세그먼트는 병렬로 합성된 뒤 입력 순서대로 반환됩니다. 하나라도 합성에 실패하면 전체 요청이 실패하며 크레딧은 차감되지 않습니다.

응답 성공하면 JSON이 아닌 합성된 오디오 바이너리 데이터를 직접 반환합니다. 응답의 `Content-Type`은 세그먼트에서 요청한 `audio_format`에 따라 `audio/wav` 또는 `audio/mpeg`입니다.