JSON格式文本说明

目前，数字人服务平台对接了多家TTS服务厂商，各厂商对多音字标记、插入停顿、数值读法标记等功能的支持程度和支持方式均有不同。

为了方便客户对接，统一定义了一套通用的文本标记格式，由数字人服务平台进行解析，适配各TTS服务厂商的实现。

1.文本格式定义

1.5.0起，项目配置接口中，scene.textDriver.text参数使用新定义的数据格式传参，支持多音字标记、插入停顿、数值读法标记等功能。

使用JSON格式定义通用文本标记，示例如下：

{
  "parts": [
    {
      "sentences": [
        { "type": 1, "word": "国家" },
        { "type": 3, "word": "兴", "pron": "xing", "tone": 1 },
        { "type": 1, "word": "亡，" },
        { "type": 2, "word": "", "duration": 3000 },
        { "type": 1, "word": "匹夫有责。" },
        {
          "type": 4,
          "word": "1234",
          "start": true,
          "end": true,
          "interpret": 2
        },
        { "type": 1, "word": "！" }
      ]
    }
  ]
}

文本格式属性说明：

属性名称(key)	类型	必需	说明
parts	Array(part)	是	文本中的段落数组，每个文本由1个或多个段落组成。服务端解析时，会在段落和段落之间添加一个换行符(\n)。

part说明：

属性名称(key)	类型	必需	说明
sentences	Array(sentence)	是	段落中的语句数组，每个段落由1个或多个语句组成。语句包含纯文本、多音字标记、停顿标记、数值读法标记等。

sentence说明：

属性名称(key)	类型	必需	说明
type	Integer	是	语句类型，枚举值。表示当前语句的类型或作用。1=字符文本，纯文本内容。2=停顿标记，用来在文本中插入一个停顿标记，需要设置停顿时长。3=多音字标记，用来标注1个多音字汉字的发音，需要设置发音和声调。4=数值读法标记，用来标注数值的读法，需要设置数值字符范围和读法。
word	String	是	语句文本内容。type=1，任意字符，支持1个字符或多个字符组成的字符串；type=2，文本内容无效，解析时忽略文本内容，传入固定值：""；type=3，1个汉字字符；type=4，数值字符，支持1个数字或多个数字组成的数值。
duration	Long	否	停顿时长，单位：毫秒。type=2时有效，必需。取值范围: 50 ~ 5000，即50毫秒 ~ 5秒。允许连续插入多个停顿。
pron	String	否	汉语拼音发音，type=3时有效，必需。
tone	Integer	否	汉语拼音声调，枚举值。type=3时有效，必需。1=阴平(¯)；2=阳平(´)；3=上声(ˇ)；4=去声(`)；5=轻声(˙)。
start	Boolean	否	数值开始，true时表示该字符为数值标记的开始。type=4时有效，必需。
end	Boolean	否	数值结束，true时表示该字符为数值标记的结束。type=4时有效，必需。
interpret	Integer	否	数值读法，枚举值。type=4时有效，必需。1=按数字读，如1234读作一千二百三十四；2=按序列读，如1234读作一二三四。