Qwen-Audio-3.0-TTS Flash 多语言语音合成示例

这条作品用 qwen-audio-3.0-tts-flash 作者线路真实生成一段中英混读的旁白，用来演示该模型在托管 TTS 场景下的实际入参与输出。voice 走 Flash 档位内置音色 longanhuan_v3.6，language_hints 只取首项，因此本示例以中文为主、夹带英文术语，正好覆盖语言提示的边界行为。base 里把 rate、pitch、volume、sample_rate、format、seed 全部显式写出，方便开发者对照 schema 一一核对参数含义与取值范围。文本内容是一段面向开发者的能力说明旁白，语速略放缓、音高与默认一致，适合用作产品演示音轨、API 文档示例音频，或作为实时播报与智能客服语音输出的参考基线。需要说明的是，Flash 档位价格低于同家族 Plus（$15 vs $20 / 百万字符），平均 WER/CER 3.87 为家族最低，说话人相似度 80.44 略低于 Plus；声音克隆底层支持但首版未开放，也不支持纯文本声音设计，因此本条仅演示内置音色与自然语言指令控制。