用Qwen3-TTS嵌入操控克隆音色

将Base提取的约2048维说话人嵌入注入CustomVoice，可兼得音色克隆与情绪指令。

推荐理由：核心技巧是跨模型复用约2048维说话人嵌入，从而绕过Base克隆不能同时接受风格指令的限制；嵌入混合还揭示音色空间具备可编辑结构。