feat: enhance demo components with consistent styling and info boxes

- Add standardized header and info box components to all demo files
- Improve visual consistency with theme colors and spacing
- Add max-height and overflow-y for better content containment
- Update package.json build script with --force flag
- Add .gitignore entries for REFACTORING files
- Fix table formatting in audio-intro.md

docs/zh-cn/appendix/audio-intro.md

@@ -151,12 +151,12 @@ _很多人以为 AI 直接处理"声音"，但实际上 AI 处理的是**数字
 
 ### 4.1 自回归 vs 非自回归
 
-| 特性 | 自回归 (AR) | 非自回归 (NAR) | 流匹配 (Flow) |
-|------|------------|---------------|--------------|
-| 生成方式 | 逐个时间步 | 一次性生成 | 流匹配路径 |
-| 速度 | 慢 | 快 | 很快 |
-| 音质 | 高 | 中高 | 高 |
-| 代表模型 | Tacotron 2 | FastSpeech 2 | F5-TTS |
+| 特性     | 自回归 (AR) | 非自回归 (NAR) | 流匹配 (Flow) |
+| -------- | ----------- | -------------- | ------------- |
+| 生成方式 | 逐个时间步  | 一次性生成     | 流匹配路径    |
+| 速度     | 慢          | 快             | 很快          |
+| 音质     | 高          | 中高           | 高            |
+| 代表模型 | Tacotron 2  | FastSpeech 2   | F5-TTS        |
 
 ### 4.2 关键组件
 
@@ -285,15 +285,15 @@ GST (Global Style Token) 是一种从参考音频中提取风格特征的方法
 
 ## 附录：常用术语表 (Vocabulary)
 
-| 术语           | 英文                         | 解释                                         |
-| :------------- | :--------------------------- | :------------------------------------------- |
-| **采样率**     | Sample Rate                  | 每秒采集的音频样本数（如 44.1kHz）。         |
-| **梅尔频谱**   | Mel-Spectrogram              | 模拟人耳感知的频谱表示，音频 AI 的核心输入。 |
-| **声码器**     | Vocoder                      | 将频谱图还原为音频波形的模型。               |
-| **TTS**        | Text-to-Speech               | 文本转语音，让 AI 说话的技术。               |
-| **ASR**        | Automatic Speech Recognition | 自动语音识别，让 AI 听懂的技术。             |
-| **零样本克隆** | Zero-Shot Cloning            | 只需几秒参考音频就能模仿任何声音。           |
-| **流匹配**     | Flow Matching                | 一种高效的生成方法，用于最新的 TTS 模型。    |
-| **声音编码器** | Speaker Encoder              | 提取声音身份特征的神经网络。                 |
-| **GST**        | Global Style Token           | 全局风格 Token，用于情感控制。               |
-| **神经编解码器**| Neural Codec                 | 将音频压缩为离散 Token 的模型。              |
+| 术语             | 英文                         | 解释                                         |
+| :--------------- | :--------------------------- | :------------------------------------------- |
+| **采样率**       | Sample Rate                  | 每秒采集的音频样本数（如 44.1kHz）。         |
+| **梅尔频谱**     | Mel-Spectrogram              | 模拟人耳感知的频谱表示，音频 AI 的核心输入。 |
+| **声码器**       | Vocoder                      | 将频谱图还原为音频波形的模型。               |
+| **TTS**          | Text-to-Speech               | 文本转语音，让 AI 说话的技术。               |
+| **ASR**          | Automatic Speech Recognition | 自动语音识别，让 AI 听懂的技术。             |
+| **零样本克隆**   | Zero-Shot Cloning            | 只需几秒参考音频就能模仿任何声音。           |
+| **流匹配**       | Flow Matching                | 一种高效的生成方法，用于最新的 TTS 模型。    |
+| **声音编码器**   | Speaker Encoder              | 提取声音身份特征的神经网络。                 |
+| **GST**          | Global Style Token           | 全局风格 Token，用于情感控制。               |
+| **神经编解码器** | Neural Codec                 | 将音频压缩为离散 Token 的模型。              |