Google TTS SSML生成音频出现高频哨声问题求助

使用Google Text-to-Speech生成音频时，输入的SSML内容如下：

<break time="6s"/>AIRDASS<break time="1s"/> introduction.<break time="9s"/>In this lesson, the following topics will be covered:<break time="1s"/> introduction of the AIRDASS system, <break time="1s"/>description of the main characteristics, <break time="1s"/>description of the main functionalities.

生成的音频在本该静音的<break>位置出现恼人的高频哨声。当前使用的配置参数如下：

{
    audioConfig: {
        audioEncoding: "LINEAR16",
        pitch: 0,
        speakingRate: 1
    },
    input: {
        ssml
    },
    voice: {
        languageCode: "en-GB",
        name: "en-GB-Neural2-D"
    }
}

请问是否有其他可添加的设置来消除该噪音？

• 更换音频编码格式：LINEAR16为未压缩PCM格式，易暴露底层音频瑕疵。可切换为MP3或OGG_OPUS压缩格式，这类格式通常会自动过滤高频噪音。修改配置示例：

  audioConfig: {
      audioEncoding: "MP3", // 或 "OGG_OPUS"
      pitch: 0,
      speakingRate: 1
  }
  

• 调整SSML静音标签：避免使用过长的<break>（如6s、9s），拆分短分段静音或尝试<silence>标签。例如将<break time="6s"/>替换为6个<break time="1s"/>，或使用：

  <silence strength="none" time="6s"/>
  

  注意：部分Google TTS语音模型对<silence>标签支持有差异，需测试验证。

• 更换语音模型：en-GB-Neural2-D可能存在特定音频瑕疵，尝试同语言其他Neural2模型（如en-GB-Neural2-C）或WaveNet模型（en-GB-Wavenet-D），不同模型的生成逻辑差异可避免哨声问题。

• 添加音效配置参数：在audioConfig中加入effectsProfileId，指定场景优化配置（含降噪处理）。示例：

  audioConfig: {
      audioEncoding: "LINEAR16",
      pitch: 0,
      speakingRate: 1,
      effectsProfileId: ["telephony-class-application"]
  }
  

内容的提问来源于stack exchange，提问作者lviggiani