Qwen-Audio-3.0-TTS-Plus: registrazione di timbri e parametri

Prendendo come traccia i timbri integrati e i parametri controllabili di qwen-audio-3.0-tts-plus, viene generato un campione di voce fuori campo in cinese, per mostrare l'ascolto reale di questa modalità Plus negli scenari di narrazione, podcast e annunci vocali di prodotto. L'opera utilizza esclusivamente i parametri di input realmente presenti nello schema della linea dell'autore: text e voice sono obbligatori, mentre rate, pitch, volume, sample_rate, format, seed, instruction e language_hints assumono i valori secondo le enumerazioni e i valori predefiniti dello schema. L'audio viene emesso in mp3 a 22050 Hz, con velocità e tono controllati tramite istruzioni strutturate, così che gli sviluppatori possano riprodurre la stessa sintesi confrontando lo snapshot di submit input. Secondo valutazioni di terze parti, il modello ottiene un Elo di 1.236 su Speech Arena (Provider Voices), posizionandosi verso una qualità audio professionale, ma con un throughput di circa 16 caratteri/secondo: adatto a scenari sensibili alla naturalezza più che ad alto throughput.