azure - 解决Azure文本转语音服务不必要中断的方法?

Question

我正在使用 azure 的文本转语音服务，当语音在一句话的说话之间会出现不必要的中断。

例如：“预示着（休息 2 秒）他将踏上一条（休息 1 秒）充满挑战与危险的道路”

我想让它说：“预示着他将踏上一条充满挑战与危险的道路”（就是连着一口气读完的意思）

这只是一个例子，我不确定他具体会在哪个地方停顿。

那么我怎样做才能实现这个效果呢，是需要调接口的参数问题，还是说我需要在获得声音后在做其他的操作从而解决这个问题。

有没有大佬可以给个解决问题的方法（有偿的）

我试过在文本中分别添加
<break strength="none" />还有
<mstts:ttsbreak strength="none" />这两个元素，但是都没有达到实际的效果。

Answer 1

Azure 文本转语音服务在生成语音时，会在某些情况下自动插入停顿，这是为了模拟人类说话的自然节奏。虽然可以通过在文本中添加 <break strength="none" /> 或 <mstts:ttsbreak strength="none" /> 标签来尝试阻止这种停顿，但并非所有情况都有效，因为服务可能仍会在其他位置插入停顿。

为了解决这个问题，你可以尝试以下方法：

1. 调整文本结构：尽可能使文本句子流畅，减少可能导致停顿的词或短语。例如，将长句拆分成短句，或使用连词来连接句子。
2. 使用 SSML (Speech Synthesis Markup Language)：SSML 提供了一种在文本中插入更多控制元素的方式，比如调整语速、音量和音调等。你可以尝试使用 SSML 来更精确地控制停顿。
3. 更新 Azure 文本转语音服务：确保你正在使用最新版本的 Azure 文本转语音服务，因为新版本可能包含性能改进和错误修复。
4. 联系 Azure 支持：如果以上方法都无法解决问题，建议联系 Azure 支持以获取更专业的帮助。他们可能能提供更具体的解决方案或建议。

需要注意的是，虽然 Azure 文本转语音服务提供了许多控制选项，但完全模拟人类说话的自然节奏仍然是一个挑战。因此，可能需要根据具体情况进行多次尝试和调整，以获得最佳效果。

最后，如果你愿意为解决这个问题付费，也可以考虑寻找专业的语音合成服务或公司，他们可能提供更高级的控制选项和更好的效果。