我國漢字文化博大精深，雖然現在語音合成技術發展較為成熟，但仍無法做到100%的智能分析和識別，來滿足人們的需求習慣。
例如漢字“一”，在不同語境下有3種讀法，“一五一十”“一路平安”“一言為定”，大家可以讀讀看。
再例如數字“1”，電話號碼“010-62986600、15321801789”，日期“2018-01-01”，在電話號碼中大家習慣讀成“幺”，而在日期里又習慣性的讀成“一”。
這樣的場景還有很多很多，本文將向大家介紹在TTS芯片端，如遇到無法智能識別播報的情況下，利用“文本控制標記”，使文本合成準確率達到100%的。
我們以市場常見的TTS語音芯片VTX316為例，它支持10多種文本控制標記，下面我們一一列舉，并加以說明。
控制標記統一格式為“[XX]”，“XX”=標記參數，使用時只要將標記放在需要調整的文本前即可。

1. 數字處理標記[nX]

默認設置下芯片會自動識別數字的含義，是按“號碼方式" OR "數值方式"進行解讀
備注：“X”=0、1、2
[n0]=自動判斷
[n1]=按號碼方式
[n2]=按數值方式
舉例文本1：撥打62986600。有123公斤重。
說明：“62986600”會讀作“六二九八六六零零”。“123”讀作“一百二十三”
舉例文本2：[n2]撥打62986600。[n1]有123公斤重。
說明：“62986600”會讀作“六千二百九十八萬六千六百”。“123”讀作“一二三”

2. 數字“1”的處理標記[yX]

默認設置下芯片會自動識別數字"1"的讀法，是讀“幺" OR "一"進行解讀
備注：“X”=0、1
[y0]=讀成“幺”
[y1]=讀成“一”
舉例文本1：[y0]撥打010-62986600
說明：讀作“撥打零幺零，六二九八六六零零”
舉例文本2：[y1]撥打010-62986600
說明：讀作“撥打零一零，六二九八六六零零”

3. 標點符號處理標記[bX]

默認情況下標點符號的名稱是不進行播報的
備注：“X”=0、1
[b0]=不播報標點符號
[b1]=播報標點符號
舉例文本：[b1]歡迎光臨，請進！
說明：讀作“歡迎光臨 逗號 請進 感嘆號”

4. 改變漢字讀音標記[=X]

當我們想改變原來漢字的讀音時可以用到這個標記策略，比如更換一個字的發音或是多音字”
備注：“X”=要改變的讀音，格式為“漢語拼音”+“聲調”，聲調=1、2、3、4、5（輕聲）
舉例文本1：歡迎他們，歡迎他[=ni3]們，歡迎他[=wo3]們
說明：讀作“歡迎他們，歡迎你們，歡迎我們”
舉例文本2：解[=xie4]放濤用語音合成芯片，單位的單[=shan4]小虎也在用
說明：“解”會讀成“謝”，“單”會讀成“善”

5. 發音人設置標記[mX]

VTX316TTS芯片支持8種發音人（音色），可通過[mX]標記隨意切換。
備注：“X”=3、51、52、53、54、55、56、57，對應的發音人如下
[m3]=曉玲，女聲（默認設置）
[m51]=尹小堅，男聲
[m52]=易小強，男聲
[m53]=田蓓蓓，女聲
[m54]=唐老鴨，卡通聲
[m55]=小燕子，女童聲
[m56]=貝童，男童聲
[m57]=曉可，男童聲
舉例文本：[m3]你好，[m54]這是發音人設置的舉例。
說明：“你好”的發音人為女聲曉玲，“這是發音人設置的舉例”的發音人是卡通聲唐老鴨

6. 語速調節標記[sX]

TTS芯片支持30級語速調節
備注：“X”=0~30，默認設置為5，數值越大語速越快
舉例文本：歡迎使用[s10]宇音天下語音合成芯片
說明：“歡迎使用”的語速為5級，“宇音天下語音合成芯片”的語速為10級

7. 語調調節標記[tX]

語音合成芯片可控制10級語調調整
備注：“X”=0~10，數值越大語調越高
舉例文本：歡迎使用[t8]宇音天下語音合成芯片
說明：“歡迎使用”的語調為5級，“宇音天下語音合成芯片”的語調為8級

8. 音量調節標記[vX]

TTS語音芯片支持10級音量調整
備注：“X”=0~10，數值越大音量越大
舉例文本：歡迎使用[v8]宇音天下語音合成芯片
說明：“歡迎使用”的音量為5級，“宇音天下語音合成芯片”的音量為8級

9. 提示音處理標記[xX]

語音合成芯片通常內置多首提示音，例如"sound901"，具體格式參芯片數據手冊。
備注："X"=0、1
[x0]=不按提示音處理
[x1]=按提示音處理
舉例文本：[x0]sound901
說明：讀作“sound901”，會按照字母加數字的讀法播報

10. 中文拼音識別標記[iX]

判斷是否將文本識別成拼音
備注：“X”=0、1
[x0]=不識別漢語拼音
[x1]=識別成拼音
舉例文本：[i1]歡迎shi3yong4宇yin1tian1xia4[i0]語音合cheng2系統
說明：讀作“歡迎使用宇音天下語音合cheng2系統”，“cheng2”會按照字母和數字逐字播報

11. 停頓（靜音）時間標記[pX]

在有需要停頓的文本中插入該標記，可靈活控制停頓時間
備注：“X”=停頓時間，單位毫秒（ms）
舉例文本：歡迎使用[p800]宇音天下[p350]TTS語音芯片
說明：播報“歡迎使用”后，停頓800毫秒，播報“宇音天下”，停頓350毫秒，播報“TTS語音芯片”

12. 恢復默認合成參數標記[d]

本參數標記將合成參數恢復成默認設置，除發音人標記參數
舉例文本：[n1]123,[y1]010-62986600[d]123, 010-62986600
說明：讀作“一二三，零一零，六二九八六六零零，一百二十三，零幺零，六二九八六六零零”

經過上面的介紹，在語音合成芯片端如何達到100%的準確率，各位的思路是否已經非常清晰了呢？

審核編輯 黃宇