如何在自定义Alexa技能中修正特定单词的发音？

哥们，我开发Alexa技能时也踩过这个坑！像“live”这种有多重发音的词，Alexa经常读错，用户听了一脸懵。别慌，这几个办法能完美解决：

Alexa支持SSML（语音合成标记语言），其中的<phoneme>标签就是专门用来解决发音歧义问题的。你可以通过它指定单词的音标，强制Alexa按正确的发音朗读。

比如“live”作为形容词（意为“直播的”，发音/laɪv/）和动词（意为“居住”，发音/lɪv/）的场景，你可以这么写：

<speak>
  这场音乐会是<phoneme alphabet="ipa" ph="laɪv">live</phoneme>直播的，我已经在这里<phoneme alphabet="ipa" ph="lɪv">live</phoneme>住了三年。
</speak>

• alphabet参数可以选ipa（国际音标）或者x-sampa（另一种音标体系），推荐用ipa，更直观
• 只要在你的技能响应里返回包裹在<speak>标签里的SSML字符串就行，不需要额外API调用——比如用Alexa Node.js SDK的话，直接把这段SSML传给speak()方法

如果觉得音标标记还是不够自然，或者你需要特定的语气/发音，可以用SSML的<audio>标签插入自己录制的音频文件。步骤很简单：

1. 把录制好的正确发音音频（比如你自己读“live”的正确版本）转成MP3格式，要求比特率128kbps、采样率16kHz，时长不超过90秒
2. 把音频上传到支持HTTPS的托管服务（比如AWS S3，记得设置公开访问权限）
3. 在SSML里引用这个音频链接：

<speak>
  欢迎收看我们的<audio src="https://your-hosted-url.com/correct-live-pronunciation.mp3"/>直播节目！
</speak>

• 对于一些常见的歧义词，其实可以直接用同义词替换，比如把“live（直播）”换成“现场直播”，有时候比用SSML更简单，用户也更容易理解
• 测试的时候一定要用Alexa模拟器或者实际设备试听，别只看文本——毕竟我们要确保用户听到的是正确的发音

内容的提问来源于stack exchange，提问作者thedreamsaver