Qwen-Audio-3.0-TTS Flash マルチ音色スタイルデモ

本作品は、TTS のパフォーマンスを素早く検証したい開発者向けに、1つの音色で qwen-audio-3.0-tts-flash が中国語のナレーション場面において持つ自然さと指示追従能力を示すものです。 構成として、本作品は作者の回線で公開されている内蔵音色 longanhuan_v3.6 を1つだけ使用し、テキストは短編の製品説明風ナレーションです。instruction フィールドで自然言語により口調とリズム（落ち着いた、ややアナウンス感のある語り口）を指定し、rate と pitch はデフォルトの 1 のまま、出力は 24kHz の wav でそのまま試聴や二次処理が可能です。seed は再現性を確保するため固定しています。 想定シーン：DashScope Speech Synthesizer API を導入する前に音色とスタイルの聴感評価を行う場合。注文アナウンス、アラート通知、アシスタントの音声出力などのリアルタイムシーンのベースラインサンプルとして利用する場合。同一ファミリーの異なる音色や異なる rate/pitch の組み合わせを比較する際の対照素材として利用する場合。 なお、schema 上で現在のエンドポイントが選択できる音色は限られており、本作品は音声クローンやテキストからの音声設計には関与しません。プロ品質の音質が必要な場合は Plus バージョンを検討する必要があります。