Qwen-Audio-3.0-TTS-Plus: запись тембров и параметров

На примере встроенных тембров и управляемых параметров qwen-audio-3.0-tts-plus создаётся образец китайской озвучки, демонстрирующий реальное звучание режима Plus в сценариях закадрового повествования, подкастов и голосового озвучивания продуктов. В работе используются только реально существующие в схеме авторского маршрута входные параметры: text и voice обязательны, остальные — rate, pitch, volume, sample_rate, format, seed, instruction, language_hints — принимают значения из перечислений и значений по умолчанию схемы. Аудио выводится в формате mp3, 22050 Гц; скорость речи и высота тона управляются структурированными инструкциями, что позволяет разработчикам воспроизвести тот же фрагмент синтеза, сверяясь со снимком submit input. По оценке третьей стороны, модель имеет Elo 1 236 в Speech Arena (Provider Voices) и ориентирована на профессиональное качество звука, но её пропускная способность составляет около 16 символов/с, что подходит для сценариев, чувствительных к естественности, а не к высокой пропускной способности.