Qwen-Audio-3.0-TTS-Plus 内蔵音色ナレーション実演

本エントリでは、qwen-audio-3.0-tts-plus（Plus 音質グレード）の 2 つの内蔵システム音色のうち longanlingxin を使用し、中国語のナレーション原稿に対して実際の合成を 1 回行い、同一テキスト上でこのモデルが達成できる聴感のベースラインを示します。 構成としては、テキストは「声のスタイル」についての短いナレーションで、言語ヒントは zh に設定し、サンプリングレート 22050 Hz、mp3 コンテナ、rate / pitch / volume / seed はすべてデフォルト値のまま、instruction のみで落ち着いた抑制の効いたドキュメンタリーナレーションの語調を指定することで、聴感の差異をパラメータ変更ではなく指示による制御に帰属させています。 想定される用途：ナレーション、ポッドキャスト、オーディオコンテンツの選定時に、まず短いテキストで内蔵音色が番組の雰囲気に合うか試聴する；DashScope Speech Synthesizer 接続前のパラメータベースライン例としても利用できます。なお、このモデルの内蔵音色は 2 つのみで、Plus グレードはプロ向け音質を重視し、スループットは約 16 文字/秒であるため、高スループットのリアルタイム用途よりもオフライン試聴やバッチ音声制作に適しています。