Демонстрация закадрового голоса со встроенным тембром Qwen-Audio-3.0-TTS-Plus

В этой записи используется longanlingxin — один из двух встроенных системных тембров qwen-audio-3.0-tts-plus (уровень качества Plus) — для реального синтеза фрагмента китайского закадрового текста, демонстрирующего базовую планку восприятия на слух, которую данная модель способна обеспечить на одном и том же тексте. По структуре текст представляет собой короткий закадровый комментарий о «звуковом стиле»; языковая подсказка установлена в zh, частота дискретизации 22050 Гц, контейнер mp3, параметры rate / pitch / volume / seed оставлены по умолчанию, а сдержанная документальная интонация закадрового голоса задаётся только через instruction — чтобы различия в восприятии можно было отнести к управлению инструкцией, а не к изменению параметров. Сценарии применения: при выборе тембра для закадрового озвучивания, подкастов и аудиоконтента — сначала прослушать короткий фрагмент, чтобы понять, подходит ли встроенный тембр под характер рубрики; также может служить примером базовых параметров перед подключением к DashScope Speech Synthesizer. Следует учитывать, что у модели всего два встроенных тембра, уровень Plus ориентирован на профессиональное качество звука, пропускная способность — около 16 символов/с, поэтому он больше подходит для офлайн-прослушивания и пакетной озвучки, чем для высоконагруженных сценариев реального времени.