最大 3 クリップ（各 30 秒まで）をアップロード。プロンプトで @audio1 を使用

雰囲気を誘導する画像を 1 枚アップロード（参照オーディオと併用不可）

画像参照とオーディオ参照は排他的です。どちらか一方のみ。