為 TTS 分割文字區塊
智慧地將大量文字內容分割成 TTS 處理的最佳區塊,同時保留情感標記和敘事流暢性。
何時使用
- 使用者有需要進行 TTS 處理的長篇內容
- 故事或冥想超過單次 TTS 請求限制
- 內容需要分割,同時保留情感標記
- 使用者想要最佳化文字以進行語音合成
- 大型內容需要句子級別的分塊
- 為 Cartesia 或其他 TTS 服務準備內容
分割策略
基於句子的分割(推薦)
- 在句子邊界處分割(句號、驚嘆號、問號)
- 保留每個句子內的情感標記
- 維持區塊之間的自然停頓
- 適用於故事和冥想
基於段落的分割
- 在段落換行處分割
- 適合較長的內容片段
- 維持主題連貫性
- 適用於類似章節的劃分
基於長度的分割
- 以字元或單詞限制分割
- 確保一致的 TTS 請求大小
- 當其他方法超出限制時的備用方案
- 盡可能優先考慮句子邊界
情感標記保留
標籤完整性
確保每個區塊都有完整的情感標籤:
輸入:「[love:high]這是一個需要被分割的長句子[/love:high] [calm:medium]而這部分繼續。[calm:medium]」
輸出:
區塊 1:「[love:high]這是一個需要被分割的長句子[/love:high]」
區塊 2:「[calm:medium]而這部分繼續。[calm:medium]」
標籤繼承
在情感區塊內進行分割時:
輸入:「[serenity:high]這是一個跨越數個區塊且需要分割的非常長句子。[/serenity:high]」
輸出:
區塊 1:「[serenity:high]這是一個跨越數個區塊的非常長句子[/serenity:high]」
區塊 2:「[serenity:high]需要分割。[/serenity:high]」
最佳區塊特徵
大小限制
- 理想:每個區塊 100-200 個字元
- 最大:每個區塊 500 個字元
- 最小:每個區塊 20 個字元
- 字元計數包含標記
句子邊界
- 總是優先選擇在句子結尾處分割
- 除非絕對必要,否則避免在句子中間中斷
- 保留自然的閱讀節奏和停頓
- 維持句子內的情緒語境
標記完整性
- 絕不將情感標籤跨區塊分割
- 在區塊結尾處關閉標籤,如有需要在下一個區塊重新開啟
- 保留標籤的層級結構和巢狀關係
- 驗證每個區塊中的標記語法
處理規則
1. 句子偵測
使用以下模式識別句子邊界:
- 句號後面跟著空格和大寫字母
- 驚嘆號後面跟著空格
- 問號後面跟著空格
- 省略號(...)後面跟著空格
- 對話中的長破折號(—)
2. 情感標籤解析
- 識別開頭標籤:
[emotion:level] - 識別結尾標籤:
[/emotion:level] - 追蹤巢狀的情感狀態
- 確保標籤正確關閉
3. 區塊驗證
- 檢查字元計數限制
- 確認完整的情感標籤
- 確保內容可讀
- 驗證標點符號的完整性
範例處理
輸入文字
[warmth:high]雨輕輕地打在他們的臥室窗戶上,Michael 把 Claudia 拉得更近,她溫暖的氣息充滿了他心中的每個角落。[/warmth:high] [love:high]「告訴我明天的事,我的愛,」她低語道,聲音如絲綢般柔軟地拂過他的耳際。[/love:high] [tenderness:medium]他在她背上輕輕畫著圓圈,感受她的呼吸節奏漸漸與他的同步。[/tenderness:medium]
輸出區塊
區塊 1(147 字元):
[warmth:high]雨輕輕地打在他們的臥室窗戶上,Michael 把 Claudia 拉得更近,她溫暖的氣息充滿了他心中的每個角落。[/warmth:high]
區塊 2(102 字元):
[love:high]「告訴我明天的事,我的愛,」她低語道,聲音如絲綢般柔軟地拂過他的耳際。[/love:high]
區塊 3(131 字元):
[tenderness:medium]他在她背上輕輕畫著圓圈,感受她的呼吸節奏漸漸與他的同步。[/tenderness:medium]
進階功能
插入停頓
在情緒轉換之間添加自然停頓:
區塊 1:「[love:high]我非常愛你。[/love:high]」
停頓:1.5 秒
區塊 2:「[calm:medium]我們現在休息吧。[/calm:medium]」
呼吸提示
對於冥想內容,插入呼吸指示:
區塊 1:「[breathiness:low]慢慢吸氣……[/breathiness:low]」
停頓:3 秒(用於吸氣)
區塊 2:「[breathiness:low]然後呼出那口氣。[/breathiness:low]」
停頓:4 秒(用於呼氣)
語境保留
在區塊之間維持角色和場景語境:
- 追蹤誰在說話
- 保留場景設定
- 維持情緒連貫性
- 注意任何重要的語境變化
指示
- 分析內容 - 識別句子、情感標籤和自然斷點
- 選擇策略 - 大多數內容使用基於句子的分割,較長篇章使用基於段落的分割
- 解析情感標記 - 識別所有開頭和結尾標籤
- 智慧分割 - 優先考慮句子邊界,尊重標籤完整性
- 驗證區塊 - 檢查大小限制、標籤完成度和可讀性
- 新增元數據 - 包含區塊編號、總數和時間建議
- 格式化輸出 - 區塊之間有清晰的間隔,並附帶元數據
輸出格式
=== TTS 區塊處理結果 ===
區塊總數:8
估計說話時間:3 分 45 秒
--- 區塊 1/8 ---
字元數:147
其後停頓:0.5 秒
內容:[情感標記與文字]
--- 區塊 2/8 ---
字元數:102
其後停頓:1.0 秒
內容:[情感標記與文字]
[對所有區塊重複此格式...]
=== 處理摘要 ===
- 原始長度:1,234 字元
- 平均區塊大小:154 字元
- 保留的情感標籤:12/12
- 句子邊界是否受尊重:是
- 是否準備好進行 TTS 處理:是
備註
- 總是優先考慮敘事流暢性,而非嚴格的大小限制
- 在區塊之間保留情緒弧線
- 包含區塊之間建議的停頓時間
- 使用實際 TTS 測試以驗證時機
- 根據 TTS 服務要求調整區塊大小
- 保留原始未處理內容的備份
- 考慮為除錯添加區塊元數據