c++ - SAPI 费率公式评估

Question

我已经创建了一个计算机语音，我想正确对待 rate 命令。

Microsoft 白皮书对费率 (https://msdn.microsoft.com/en-us/library/ms717037(v=vs.85).aspx) 进行了说明:

评分:

Rate 标签控制语音的速率。标签可以是空的，在这种情况下它适用于所有后续文本，或者它可以有内容，在这种情况下它只适用于该内容。 Rate 标签有两个属性，Speed 和 AbsSpeed，其中之一必须存在。这些属性的值应该是负十到十之间的整数。超出此范围的值可能会被引擎截断(但不会被 SAPI 截断)。 AbsSpeed 属性控制语音的绝对速率，因此值 10 始终对应于值 10；值五始终对应于值五。

这段文字应以五速朗读。这段文字应该以负五的速率朗读。以下所有文字都应以十速率朗读。

我还没有找到任何指示实际应该转换成什么比率。不过，我想用微软的电脑语音来确认一下。

我用例句做了一些测试。

Microsoft 自己的计算机语音生成了以下带有例句的输出(“这是一个测试。”):

等级 8:1.15 秒

评分 0:2.65 秒

评分-8:6.35 秒

但是，我没有看到这背后的真正公式。我的尝试

float f1 = (rate / 10.0f);
float fSpeed = 1+f1;

似乎与 MS 的输出长度完全不对应。

我将这个值提供给著名的 libSonic 库中的 sonicChangeFloatSpeed。

在 -8 速率下，我的语音输出约为 12 秒，而 Microsoft 的语音输出约为 6 秒。

谁能估算出 MS 语音速率背后的公式？

谢谢你的帮助。

Answer 1

使用 IVONA 2 Amy(英国英语)SAPI5 语音朗读短语 One Two Three Four Five。 我得到持续时间与减速(负)速率的严格线性关系。但是对于超速(正)率，关系是不一样的。它可以是具有不同斜率的线性。

Rate Duration (s)   
-10 3.0   150%
-9  2.9   145%
-8  2.8   140%
-7  2.7   135%
-6  2.6   130%
-5  2.5   125%
-4  2.4   120%
-3  2.3   115%
-2  2.2   110%
-1  2.1   105%
 0  2.0   100%
+1  1.8   90%
+2  1.7   85%
+3  1.6   80%
+4  1.4   70%
+5  1.3   65%
+6  1.1   55%
+7  1.0   50%
+8  0.8   40%
+9  0.7   35%
+10 0.5   25%

由于只有 21 个离散级别，您可以避免使用公式，而只需使用我在上面第 3 列中提供的百分比查找表。这是供您检查的图。