最近我自己用某款支持“文字转语音”功能的录屏软件录了点视频，有点想法请科学网上搞语音引擎的大腕研究研究。
所谓“文字转语音”功能，实际也就是让你下载一个语音引擎，然后根据你输入的文字自动转换成语音。我在使用的时候发现一个问题，那就是不能自动识别多音字。比如“为”这个字有二声和四声两种音调，这个软件统一给读成了四声，让人听起来十分别扭。这倒难不住我，因为所谓语音，只是让人听而不是让人看的，所以我就用“围”字代替了“为”，这样听上去就正常了。但是这样一来，软件自动生成的字幕又会出问题，所以还要手动打新的字幕，好在工作量不大，细心点也就可以了，但是究竟不爽。
我现在有个想法，如果说现在让语音引擎完全自动识别多音字尚有难度，何不采取一些变通方法？比如同一个字的读音再多，也不会超过十个（据说“哪”字的读音最多，有九个音），所以我想是不是可以采取类似C语言里“转义字符”的方法？以“为”字为例，如果我们写的是“为\1人民服务”，读出来的就是四声，如果我们写的是“为\2乡里所患”，就读成二声，同时软件自动生成字幕时自动过滤掉\1、\2等等这些字符。这样做的好处是，如果某个多音字的不常用的音找不到别的同音字，也没有问题。
类似的，某些字虽然不是多音字，但在连读的时候往往需要转音，也可以用这个办法解决，“一”字就是这样：它只有一声的音，但在句子或者组词时往往可能读成二声或者四声，比如“一个”“一分钱”等等。转义字符也可以用来处理这样的问题。
当然，这里要注意一些特殊情况，比如如果想让\1、\2等字符不作为转义字符而作为普通字符，怎么办？我想，C语言里对转义字符的处理和定义可以给我们更多启发。科学网上的先生们大多学过Ｃ或者类似的程序语言，不用我多废话了吧。
用这种转义字符还有一个好处，那就是可以故意设一些错音，让学汉语的外国人判断对错。
转义字符在语音引擎里还可以有更多用途，比如用来设置重音等等。不知道我的这个建议是否可行。
转载本文请联系原作者获取授权，同时请注明本文来自孙冰科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3388899-1175619.html?mobile=1
收藏
