让 /v1/audio/speech 遵守 response_format

这个 PR 没有被采纳，放在这里是因为记录应当包含没走通的部分。

问题是真的：端点收下了 response_format 却始终返回 WAV。我的实现引入了 ffmpeg 做转码。三个月后维护者用另一种方式解决了同一个问题，走的是不额外增加系统依赖的路线。

问题被修好了，我的代码没有进去。我没有证据说这个 PR 影响了最终的实现，所以也不这样写。