Qwen-Audio-3.0-TTS-Plus 音声とパラメータ実録

qwen-audio-3.0-tts-plus の内蔵音声と制御可能なパラメータを手がかりに、中国語のナレーションサンプルを生成し、この Plus モードがナレーション、ポッドキャスト、製品音声アナウンスの場面で実際にどう聞こえるかを示します。作品は作者の回線 schema に実在する入力パラメータのみを使用します。text と voice は必須で、その他の rate、pitch、volume、sample_rate、format、seed、instruction、language_hints は schema の列挙値とデフォルト値に従って設定します。音声は mp3、22050 Hz で出力し、構造化された指示によって話速とピッチを制御するため、開発者は submit input のスナップショットと照合して同じ合成を再現できます。第三者による評価では、このモデルは Speech Arena（Provider Voices）の Elo が 1,236 で、プロ品質の音質寄りの位置づけですが、スループットは約 16 文字/秒であり、高スループットよりも自然さを重視する場面に適しています。