生成并发送带有唇形同步VRM头像的视频消息。当用户请求视频消息、头像视频、视频回复，或需要以视频而非音频形式播放TTS时使用。

根据图片和用户自己的音频录制生成唇形同步视频 ✅ 适用场景： - 用户提供自己的音频文件（语音录制） - 需要将图像与特定音频/语音同步 - 用户自行录制了配音内容 - 需要精确保留原音频的时间点 ❌ 不适用场景： - 用户提供的是文本脚本（非音频）→ 请使用 veed-ugc - 需要AI生成语音→ 请使用 veed-ugc - 尚未准备好音频文件→ 请使用 veed-ugc 配合脚本 输入：图片 + 音频文件（用户录制） 输出：与所提供音频唇形同步的MP4视频 关键区别：veed-ugc = 脚本 → AI语音 → 视频 ugc-manual = 用户音频 → 视频（不生成语音）