Ⅰ 璇阔宠瘑鍒甯哥敤镄勮В镰佹柟娉曟湁鍝浜
璇阔宠瘑鍒甯哥敤镄勮В镰佹柟娉曟湁璐蹇冩悳绱锛圙reedy Search锛夌畻娉曘侀泦𨱒熸悳绱锛圔eam Search锛夌畻娉曚互鍙婄淮鐗规瘆锛圴iterbi锛夌畻娉曘
璐蹇冩悳绱㈢畻娉 鏄涓绉岖浉瀵圭亩鍗曞拰鐩磋傜殑瑙ｇ爜鏂规硶銆傚畠姣忎竴姝ラ兘阃夋嫨褰揿墠鐘舵佷笅链濂界殑涓涓缁撴灉锛岀劧钖庡熀浜庤繖涓缁撴灉杩涘叆涓嬩竴姝ャ傝繖绉嶆柟娉旷殑闂棰桦湪浜庯纴瀹冨彲鑳戒细锲犱负灞閮ㄦ渶浼樼殑阃夋嫨锛岃岄敊杩囦简鍏ㄥ眬链浼樼殑瑙ｃ
闆嗘潫鎼灭储绠楁硶 鍒欐槸涓绉嶆敼杩涚殑鎼灭储绠楁硶锛屽畠姣忎竴姝ュ苟涓嶅彧阃夋嫨涓涓链浼樼殑缁撴灉锛岃屾槸阃夋嫨鍓嶅嚑涓链浼樼殑缁撴灉锛堣繖涓鏁伴噺琚绉颁负闆嗘潫瀹藉害锛夈傝繖镙峰彲浠ュぇ澶у噺灏戞悳绱㈢殑绌洪棿锛屽悓镞朵篃鑳藉湪涓瀹氱▼搴︿笂淇濊瘉鎼灭储鍒板叏灞链浼樿В銆傞泦𨱒熸悳绱㈠湪璇阔宠瘑鍒涓寰楀埌浜嗗箍娉涚殑搴旂敤锛屽畠镄勬晥鏋滀竴鑸瑕佹瘆璐蹇冩悳绱㈠ソ銆
缁寸壒姣旂畻娉 鏄涓绉嶅姩镐佽勫垝绠楁硶锛岀敤浜庡湪闅愯棌椹灏旂戝か妯″瀷锛圚idden Markov Model锛孒MM锛変腑瀵绘垒链鍙鑳界殑闅愯棌鐘舵佸簭鍒椼傚湪璇阔宠瘑鍒涓锛岃傚疗缁撴灉锛堟瘆濡傞煶棰戜俊鍙风殑鐗瑰緛锛夎瑙嗕负鍙瑙佺姸镐侊纴钥屾枃瀛楀簭鍒楀垯琚瑙嗕负闅愯棌鐘舵併傜淮鐗规瘆绠楁硶鍦ㄦ疮涓镞堕棿镣逛笂閮戒缭鐣欎简瀵归殣钘忕姸镐佺殑链浼樼寽娴嬶纴骞跺湪钖庣画镄勬椂闂寸偣涓婃牴鎹鏂扮殑瑙傚疗缁撴灉鍜屼箣鍓岖殑链浼樼寽娴嬫潵镟存柊鐚沧祴銆傝繖绉嶆柟娉曞湪璇阔宠瘑鍒涓鏁堟灉寰埚ソ锛屼絾涔熺浉瀵瑰嶆潅銆
浠ヤ笂涓夌嶈В镰佹柟娉曞悇链変紭缂虹偣锛屽湪瀹为檯搴旂敤涓锛岄渶瑕佹牴鎹鍏蜂綋镄勫簲鐢ㄥ満鏅鍜岄渶姹傛潵阃夋嫨阃傚悎镄勮В镰佹柟娉曘傛瘆濡傚湪涓浜涘瑰疄镞舵ц佹眰杈冮珮镄勫満鏅涓锛屽彲鑳戒细阃夋嫨鐩稿圭亩鍗旷殑璐蹇冩悳绱㈡垨闆嗘潫鎼灭储锛涜屽湪涓浜涘硅瘑鍒鍑嗙‘鐜囱佹眰杈冮珮镄勫満鏅涓锛屽彲鑳戒细阃夋嫨鏁堟灉镟村ソ镄勭淮鐗规瘆绠楁硶銆
Ⅱ 语音合成效果优化
语音合成技术已经成熟的应用于各种实际场景中，大部分问题可以通过TTS解决，但是有些问题，在具体的场景中，总会出现一些合成音频播报时的错误，所以在设计语音合成产品时，应该怎么样避免这些问题，以及用怎样的方式进行优化。以下将根据实际问题分析具体的解决方案。
1． 数字播报问题
我们遇到比较多的是数字播报的问题，数字有很多不同的播报方式，可以按照数目读法，例如，1234可以读作“一千二百三十四”，也可以按照数字串的读法，读作“一二三四”，以及电报读法“幺两三四”，所以不同的场景有不同的读法，需要在当前场景设置具体的读法方式，具体方式如下：
1) 读法规则设置
在TTS中，有些读法是可以添加的读法规则中的，例如：“请问您是尾号为4321的机主吗？”可以添加“尾号为+数字”的读法规则，让数字按照数字串的方式播报。还有“数字+元”“数字+美元”等，这种就按照数目读法的方式播报。所以在生活场景有一些场景的读法是唯一的，可以通过设置读法规则的方式，使得在TTS播报的时候播报正确。
2) 修改文本的方式
在一些场景中，会出现TTS播报错误的情况，例如，“请您来一下205会议室”，有时候会播报成“二百零五会议室”，这时候可以在文本的数字前面加一个标点来规定读法，比如 “!+数字”，就按照数字串的方式播报数字。“请您来一下!205会议室”，则可以播报为“二零五会议室”；“*+数字”的规则就按照数目读法来播报，“我住在*20层”，则播报为“二十层”。所以根据符号+数字的方式来确保数字的读法，在实际应用场景中，如果某些数字播报方式错误，则可以通过修改文本添加符号的方式解决问题，这种方式也相对比较简单。
3) 标记语言的方式
语音合成标记语言（SSML：Speech Synthesis Markup Language），它是W3C的语音接口框架的一部分，是关于语音应用和在万维网上构建语音应用的一套规范，通过SSML，人们可以更多的通过移动电话、桌面计算机和其他设备来聆听合成语音。通过标记语言可以设置数字的读法，然后将xml格式的标记语言文本传入给TTS，合成相应的音频。
下面是ssml的语法图
4) 加词表
有些使用场景修改文本内容不太方便，例如用户写的地址信息，然后直接传输给TTS进行语音合成，这种文本内容不能进行添加修改，需要在文本上传之后修改播报的音频，在前一篇文章讲到过语言分析部分，在文本转音素时，可以检测出对应的文本内容，文本的音频强制转换为需要正确播报的拼音，设置成想要合成的播报音，这样可以使音频播报正确且不需要修改文本。但是这样在每次合成的时候都会按照这种设置好的规则合成，所以在设置的时候尽量确保文本的唯一性，可以用“文本+数字+文本”的形式，这样其他场景用到同样的数字时，不会受到此次设置的影响。
如下列出了在实际应该场景中，数字会出现的一些播报方式。
数目读法
数字串读法
地址
2. 多音字问题
在汉语中，多音字和数字的读法一样，有多种播报读法，这时候也需要一些优化的方式设置，使其在特定的场景下按照特定的读音去读，确保能正确的播报。优化的方式和数字的优化方式基本是一致的，可以通过设置读法规则，修改文本，标记语言，加词表的方式。通过组合这几种方式，可以避免常见的播报读法的问题。在产品设计的时候，需要支持这几种优化方式，且操作简单，用户可以自行操作，完成TTS的优化。
如下列出多音字姓氏列表，姓氏可以用特定的规则或者用添加标点的形式，确保其正确的播报。
3. 小结
简单介绍了一些播报错误的优化方式，还有一些韵律也可以用上面提到的优化方式进行优化，例如停顿，重读等一些节奏韵律的变化，可以用加标点的方式，标记语言的方式实现。也可以通过算法优化，但是算法优化时间久，难度大。所以可以在产品设计的时候加一些可以优化的功能，这样可以规避掉一些播报错误，也不需要从底层算法在进行优化，用户易操作，提高用户体验。