Google Text-to-Speech中break标签后内容无法朗读问题咨询

问题原因 #

问题来自以下两种可能，你可以逐一排查：

1. SSML转义错误：你给出的示例代码里break标签的引号是HTML转义后的"，如果你实际传入合成函数的SSML字符串没有把转义符还原为正常的双引号"，会导致break标签属性不合法，解析器会直接丢弃标签后的所有内容。你可以先打印实际传入synthesize_text的ssml_text参数值确认引号格式。
2. 旧语音模型限制：如果确认SSML格式没有问题，那就是你使用的非Neural2/Wavenet系列的旧标准合成语音的已知bug：当<break>标签暂停时长≥2s，且标签后的文本长度过短时，模型会错误截断后续音频。你的第二个长句示例没有触发问题，是因为break前后都有足够长的连续文本，不会触发该截断逻辑。

解决方法 #

• 先确认传入的SSML字符串格式正确，所有HTML转义符都已经被还原
• 优先换用Google TTS的Neural2或Wavenet系列对应语言的语音，新模型已经修复了该截断bug
• 如果必须使用旧语音，可以用以下两种方案规避：
  • 把长停顿拆分为多个短停顿拼接：

    <speak>chaume<break time="1s"/><break time="1s"/><break time="1s"/> cuivré, relatif au cuivre</speak>
    

  • 用空的<prosody>标签包裹break后的短文本，避免模型判定为无效短片段：

    <speak>chaume<break time="3s"/><prosody rate="100%"> cuivré, relatif au cuivre</prosody></speak>
    

内容的提问来源于stack exchange，提问作者JlnK