Qwen-Audio-3.0-TTS Flash 音色与指令风格对照

本作品用 qwen-audio-3.0-tts-flash（Alibaba·text-to-speech）合成一段双语句子，演示同一文本在不同内置音色与自然语言风格指令下的听感差异。 创作思路：schema 的 required 字段只有 text 与 voice，其余为可选参数。因此基础输入只固定待合成文本与一个内置音色，再用 instruction 描述语气与表达方式，用 language_hints 标注中文优先，并在 rate / pitch / volume / seed / format / sample_rate 上给出稳定可复现的取值，便于开发者直接对照真实 submit input 快照理解每个字段的作用。 内容构成：待合成文本为一句包含中英混排的产品播报，长度足以体现语流、停顿与重音处理；风格指令限定为「平稳、专业的播报语气，语速适中，句末自然收束」，避免夸张表演，从而更接近实时播报与客服场景的真实听感。 适用场景：实时语音播报与通知、对话式助手的语音输出、多语言内容配音。由于 Flash 定位偏快速与低成本，且当前端点内置音色数量有限、不支持文本声音设计，本示例可作为评估其可懂度与音色一致性的最小可运行基线；需要更高音质时可换用同家族 Plus 版本对照。