ボイスオーバー、BGM、ポッドキャスト：TTS ユースケース音声マップ

qwen-audio-3.0-tts-flash で合成した中国語のシーンガイドナレーションの一節で、「ボイスオーバー / BGM / ポッドキャスト」という 3 種類の音声活用法を、そのまま聴ける一本の活用マップとしてつなぎ合わせたものです。テキスト自体がインフォグラフィックの口播原稿になっており、まず 3 種類のシーンの分類基準を示し、次に各シーンが話速・声質・スタイルに求める要件を項目ごとに説明し、最後に選定のアドバイスへと落とし込みます。合成時には instruction で「落ち着いた、明瞭な解説口調、文間の間は自然に」と指定し、language_hints で中国語を固定、rate を通常よりやや遅めにして情報密度の高い口播原稿に適合させています。本作品は、このモデルが自然言語によるスタイル制御と多言語ヒントにおいてそのまま実用できることを示しており、リアルタイム読み上げ、コンテンツのボイスオーバー、ポッドキャストのオープニングなどのシーンでの実際の聴感を開発者が評価するのに適しています。同じテキストで voice や instruction を差し替えるだけで、異なる声質や語気の戦略を比較できます。