Qwen3 Tts Instruct Flash

把表演要求写清楚

Qwen3-TTS-Instruct-Flash 适合需要明确控制声音表达的配音任务。它接收待朗读文字，并通过独立的自然语言指令调整合成效果，让广告介绍、角色对白、客服安抚和故事旁白更贴合具体语境。模型支持 25 种音色的中文、英文指令调节，可描述情感、语气、节奏和声音表现。

正文与表演分开

朗读正文填写实际需要听到的台词，表演要求放入 instructions 字段。例如同一句欢迎语，可以要求轻快热情，也可以要求安静温柔；正文保持不变，便于比较表达差异。指令用中文或英文写清楚，优先给出可听出的特征，例如语速稍慢、句尾平稳、重点词加强，而不是只写“更有感觉”。

音色决定主要声音特点，指令安排本次表演。先选择支持 Instruct 的音色，再逐项调整情绪、速度或停顿，避免一次叠加互相冲突的要求。角色对白可按说话人或情绪段落拆分，分别合成后再组合，方便局部修改和试听衔接。

用真实台词验证

试音应包含正式内容中的数字、人名、短句与长句，检查发音准确性及表演是否影响清晰度。长篇制作先统一音色与角色方向，再分段微调；语音助手则先完成业务回复，再用本模型安排恰当语气。

北京地域基准价为 0.8 元/万计费字符，输出音频不另收费。汉字通常计 2 个字符，SSML 标签不计入，按返回字符数结算。美元基准按 1 美元 = 6.8 元换算，最终费用应用账户分组倍率。

给游戏角色配一句台词

选择 Momo 音色，正文：“你终于来了！地图就在桌上，我们得赶在天黑前出发。”

instructions：“开头带惊喜，接着稍微加快语速，表现出准备冒险的兴奋，但保持吐字清楚。”

指令应写多长？

先用一两句写清核心情绪和节奏，试听后再补充必要细节，避免互相冲突的要求。

为什么表演要求也被读出来了？

检查是否把要求拼进了正文。待朗读台词与 instructions 分开传入，指令使用中文或英文。