[bug] 语音服务几乎不可用

### 详细描述这个 Bug

最新版本中虽然有了语音功能，但几乎不可用。
我试过调用百炼、硅基流动、智谱等平台的语音模型，均不可用
原因如下：
语音模型与对话模型地址不一样，而BaseURL会自动补全地址且不能强制使用自定义，这样反而使得调用语音模型的专有地址不可用，如硅基流动使用https://api.siliconflow.cn/v1/audio/transcriptions才能调用语音模型；百炼则是：dashscope.aliyuncs.com/api-ws/v1/realtime
因此无论是TTS还是STT均无法使用。


### NoteGen 版本

v0.22.3

### 操作系统

Windows

### 报错日志

_No response_