Flash 语音合成参数全景：一次多语种播报的合成演示

这条作品用 qwen-audio-3.0-tts-flash 的真实合成链路，演示「文本 + voice + 自然语言指令」如何共同决定一段语音的输出。作者线路的 schema 里，text 与 voice 是必填项，rate/pitch/volume/format/sample_rate 等则提供可直接调节的旋钮；instruction 用来以描述性语言指定语气与表达方式，language_hints 当前只处理首个数组元素。 作品把一段跨语种的产品播报文案交给 longanhuan_v3.6 音色合成，指令限定为「清晰、稳健的播报语气，语速适中」，输出 mp3。声音本身不来自参考音频——Flash 首个版本未开放声音克隆，也不支持纯文本的声音设计，因此这里演示的是内置音色 + 指令控制的路径。 适合用来观察：同一段文案在不同 rate/pitch 下的听感差异、指令对语气的影响，以及实时播报、客服语音输出、多语种配音等场景的起步输入长什么样。Flash 定位偏向快速反馈与成本敏感的高并发调用，正式内容场景可与 Plus 版本对比后再选型。