用指令调整旁白风格：每次只改一个因素

把任务写具体：平静的开场、清楚的教程，或有活力的结尾。再写验收点。教程可以要求产品名称读清楚、两个动作之间有足够停顿。不要只写“听起来更好”。

选一段固定的短旁白，包含实际需要说的难读名称或数字。旁白框只放需要读出来的文字。表达方式放到 Instructions。不要把舞台提示写进旁白后，就默认它不会被读出来。

阿里云当前文档说明，此类指令只支持中文和英文。旁白语言是另一个选择。西班牙语或葡萄牙语旁白，可用英文写表达指令，再自行检查生成结果。界面翻译成某种语言，不代表这个模型也支持该语言的指令。

一个起点是：“语气平静，像在解释步骤。把产品名称读清楚。”第二次只把语气改成亲切。第三次回到第一种语气，只要求表达稍慢、更从容。这些是建议输入，不是已经测试有效的配方。“非常快”和“长时间停顿”这类相互冲突的要求，会让对照难以解释。

通过下方按钮进入 Playground，需要时登录或注册。先看余额和估价；确实需要时再充值。选择 Qwen3 TTS Instruct Flash，填写旁白、可用音色和 Instructions。ModelRush 当前每次接受 1–600 字符旁白。

A 次固定音色、旁白语言和指令优化开关。实际节奏要听成品验收；此路线不能据此承诺数字语速控制。运行前，把文字和设置记进表格。B 次只改一个表达指令。C 次再做一个事先想好的对照，旁白文字保持一致。如果使用指令优化选项，把是否开启记下来，三次保持一致。该选项会改写表达指导，不保证结果一定更好。

每次听相同片段，尽量保持播放音量接近。先核对有没有错字、漏字，再看停顿和语气。即使听起来有活力，产品名称读错也不能通过。写下具体观察，不用没有定义的分数装作科学结论。选择满足任务的一版；三次仍不合适，就停下来修改需求。

2026 年 10 月 9 日核对的 ModelRush 公开价为每输入字符 $0.000014。300 字符直接计算是 $0.0042。正数操作费用向上取整到美分后预留，因此按这个价格，每次先考虑预留 $0.01。三次相同的 300 字符请求，未取整合计 $0.0126，三笔共预留 $0.03。最终记录取决于实际计费用量和当前价格。

这里按字符计费，不按成品音频秒数计费。充值是增加预付余额，不是单次价格。多做一个版本就是多一个请求，不要无限生成碰运气。每次运行前查看当前估价。

表达指令不会克隆你的身份声音。需要本人声音时，应使用音色创建和兼容配音的独立流程。若配音必须卡住一段视频的精确时长，要测量生成音轨，再调整剪辑；只写语气指令，不能证明画面与声音精确同步。本指南没有生成任何音轨。

当前模型和价格见 /zh/models/qwen3-tts-instruct-flash。需要检查声音与画面时，可看 /zh/blog/audio-video-sync-model-evaluation。先下载表格，让前三次请求回答一个具体问题。

不应该。旁白框只放要读的文字，表达方式放在 Instructions。检查输出，不要默认旁白里的舞台提示不会被读出来。

当前供应商文档只支持中英文指令。西葡旁白可配英文指令，并自行验收。

不会。这里使用可用音色和表达指令。创建本人音色以及兼容的克隆配音是另一套操作。

ModelRush 当前每次语音请求接受 1–600 字符。对照时建议用完整的短段落。

按核对价，未取整合计 $0.0126。每笔正数请求按美分预留，因此三笔共预留 $0.03。以当前估价和最终记录为准。