AWS Polly语音标记文件自定义图片标签问题求助

问题根源 #

AWS Polly在处理嵌入自定义标记的文本时，会自动插入prosody类SSML标签维持语音输出连贯性，导致生成的Sentence类型语音标记的value字段混入这些冗余标签内容。

解决方案建议 #

• 预处理输入文本，分离标记与纯文本
  先剥离输入文本中的自定义图片标签（如{image1}），得到纯文本内容单独用于生成Sentence标记；保留含自定义标签的原文本（转换为Polly支持的<mark>标签格式）用于生成语音和SSML标记。这样Sentence标记的value就只会包含纯文本内容。
  示例Java代码：

  // 原始输入文本
  String originalText = "This is a {image1} dinosaur";
  // 预处理：剥离自定义标签，用于生成Sentence标记
  String pureTextForSentence = originalText.replaceAll("\\{[^}]+\\}", "").trim();
  
  // 将自定义标签转换为Polly支持的SSML <mark>标签
  String ssmlText = "<speak>" + originalText.replace("{", "<mark name='").replace("}", "'/>") + "</speak>";
  
  // 构建合成请求
  SynthesizeSpeechRequest request = new SynthesizeSpeechRequest()
          .withTextType(TextType.SSML)
          .withText(ssmlText)
          .withOutputFormat(OutputFormat.MP3)
          .withVoiceId(VoiceId.Joanna)
          .withSpeechMarkTypes(SpeechMarkType.SSML, SpeechMarkType.SENTENCE);
  

• 后处理标记结果，清理冗余内容
  若无法预处理文本，在获取到Sentence标记结果后，对每个标记的value字段进行字符串清洗，移除冗余的SSML标签片段。
  示例Java代码：

  // 假设已获取到SpeechMark列表
  List<SpeechMark> speechMarks = ...; // 从Polly响应中获取的标记列表
  List<CustomCleanedMark> cleanedMarks = new ArrayList<>();
  
  for (SpeechMark mark : speechMarks) {
      if (SpeechMarkType.SENTENCE.toString().equals(mark.getType())) {
          // 移除prosody和mark标签
          String cleanedValue = mark.getValue()
                  .replaceAll("</?prosody[^>]*>", "")
                  .replaceAll("<mark name='[^']+'/>", "")
                  .trim();
          // 存储清理后的标记（需自定义类，因为SpeechMark是不可变类）
          cleanedMarks.add(new CustomCleanedMark(
                  mark.getTime(),
                  mark.getType(),
                  cleanedValue,
                  mark.getStart(),
                  mark.getEnd()
          ));
      } else {
          cleanedMarks.add(new CustomCleanedMark(
                  mark.getTime(),
                  mark.getType(),
                  mark.getValue(),
                  mark.getStart(),
                  mark.getEnd()
          ));
      }
  }
  
  // 自定义存储清理后标记的类
  static class CustomCleanedMark {
      private long time;
      private String type;
      private String value;
      private Integer start;
      private Integer end;
  
      // 构造方法、getter/setter省略
  }
  

• 替换自定义标签为Polly原生标记格式
  直接将自定义的{image1}替换为Polly支持的<mark name='image1'/>标签，避免Polly自动生成额外的prosody标签。这种方式需要确保输入文本采用SSML格式提交，能减少冗余标签的生成概率，但仍需配合预处理或后处理确保Sentence标记的value纯净。

内容的提问来源于stack exchange，提问作者C96