JavaでTTSアプリケーションをできるだけスムーズに再生する

Question

私自身の言語用のTTS（テキスト読み上げ）をJavaで開発しています（これまでに開発されていない最終プロジェクトなので、 - クラスで）。

私は入力テキスト用のダイフォンを認識できます。

再生するために、私は入力テキスト分析が完了した後に、アレイにジフォンを置きます。そこで、私はアレイ内のダイフォン（1つずつ）に従ってオーディオファイル（ogg形式）を再生します。

私が尋ねたいのは、別のダイフォンを再生するこの方法についてどう思いますか？ 今、私はスムーズにしようとしている各オーディオクリップの再生の間に（大きな）ギャップがあります。何か案は？

Answer 1

ダイフォン合成では、最も安定している電話の中央でダイフォンを分割し、それらを一緒にステッチします。たとえば、「会議」という言葉を合成するには、iyの真ん中で電話を切り、iy dx diphoneに接続し、両方の電話機が半分に分割されている電話を（ARPAbet記号で）m iyの電話から開始し、このように、 diphoneで終わり、ngが完成します。

これを行うには、連続した電話機の中央に対応する各.oggの時間インデックス、またはクロージャとストップのリリース間のギャップを知る必要があります。