Narración de la guía visual de Qwen-Audio-3.0-TTS-Plus

Usa el modo de calidad de audio Plus de Qwen-Audio-3.0-TTS-Plus para sintetizar una narración en chino de una «Guía visual de ingeniería de prompts: estructura de descripción». El texto está redactado deliberadamente como un guion de locución estructurado: primero se presenta el marco por capas del prompt (objetivo, restricciones, contexto, formato de salida) y luego se explica uno por uno la función de cada capa y los errores habituales, de modo que pueda reproducirse en orden junto con tarjetas gráficas o imágenes largas. En el base se fijan voice=longanlingxin con voz femenina integrada, salida wav y frecuencia de muestreo de 24 kHz, y se usa instruction para especificar «un ritmo y una acentuación estables, de estilo didáctico», mostrando así la capacidad de este modelo de ajustar la síntesis mediante instrucciones. Es adecuado para doblaje de cursos, lectura de documentación de producto y versiones de audio de publicaciones largas con imágenes, escenarios sensibles a la naturalidad pero que no exigen alta velocidad de procesamiento. Hay que tener en cuenta que este modelo genera aproximadamente 16 caracteres por segundo y cobra por carácter, por lo que los textos largos deben sintetizarse por fragmentos.