长文合成出现中途断掉、两句之间咬字粘连或段落衔接生硬，通常不是模型能力问题，而是单次输入太长、切分点选在了不该断的位置。可行的处理顺序是：先把原文按标点和语义拆成 1-3 句的小段，给每段编号并记录其在原文中的位置，再处理拼接处的静音与语速，最后用试听回查定位需要重合成的片段，只重跑问题段而不是整篇重来。
长文合成的节奏问题，多数出在切分粒度和拼接缝上，而不是模型本身。适用场景是分钟级旁白、有声书、课程稿这类连续文本：先按句末标点切成 1-3 句的小段，用 001_ 前缀编号并记录每段在原文中的起止位置，拼接时按环境试加一小段静音，再逐段回听语速是否一致。验证只针对段落边界和问题段，需要改的片段单独重跑，不整篇重来；静音过长会拖慢节奏，语速参数改动后要重新回查。
按标点和语义把长文切成 1-3 句的小段
一次输入几百字，停顿位置就交给模型自己决定了，同一段文字两次合成可能断在不同地方。把每个片段的长度压到 1-3 句、几十个字，停顿点基本落在你选定的标点上，节奏才可控。切分时按优先级往下走，能在一级切开就不要用二级。
| 优先级 | 切分依据 | 处理动作 | 需要注意 |
|---|---|---|---|
| 1 | 句末标点：。！？ | 直接在此处断开，作为段落边界 | 引号内、括号内的句末标点不算边界 |
| 2 | 分号：； | 一段按句末标点切完仍偏长时，在分号处再切 | 分号切开的往往是对举句，两段语气要能各自收住 |
| 3 | 逗号：， | 只在单段超过字数上限时作为兜底使用 | 从逗号断开容易造成语气悬空，切完必须试听 |
| 4 | 连词：但是、因此、于是、然后 | 在连词前断开，连词留在后一段开头 | 不要让连词单独成段，也不要以连词结尾收段 |
不建议切断的位置包括：引号内、括号内、书名号内、数字与单位之间（例如 “120 毫秒” 这类写法）、人名与职务之间，以及连词与其后分句之间。如果把 “但是” 和后面的分句切开，前一段会以一个悬空连接词收尾，听起来就像被掐断。
# 通用切分骨架，不依赖具体 TTS 接口
import re
SENT = re.compile(r'(?<=[。！？!?])') # 一级：句末标点
SEMI = re.compile(r'(?<=[；;])') # 二级：分号
COMMA = re.compile(r'(?<=[，,])') # 三级：逗号
CONJ = ('但是', '因此', '于是', '然后', '所以') # 兜底：连词前断开
def split_long(text, max_chars=120, max_sent=3):
# 1) 先按句末标点切句
# 2) 累积到 max_sent 句或超过 max_chars 就成段
# 3) 单句仍超长时，依次尝试分号、逗号、连词位置
...切完之后先看每段的字数分布。如果某一段明显比其它段长，多半是里面含有多层引号或括号，需要手动再拆一次。
给每段编号并保留原文顺序
切分脚本最容易出的问题是顺序错乱和漏段，尤其是并发合成时返回顺序和提交顺序对不上。命名规则建议用三位序号加简短标识，例如 001_开头四个字，序号按原文出现顺序分配，标识只用于人工核对，不参与排序。
同时把每段在原文中的起止字符位置写进清单文件，合成结果也按同样的编号落盘，最后按序号排序拼接，而不是按返回时间排序：
# segments.jsonl，每行一段
{"id": "001", "name": "001_开头四个字", "start": 0, "end": 78, "text": "..."}
{"id": "002", "name": "002_下一段", "start": 78, "end": 150, "text": "..."}有了 start/end，就能反查某一段对应原文的哪一句。发现漏字或多字时，直接按位置回原文比对，不用通读全文；切分脚本改动后重新生成清单，也比对前后两次的 start/end 是否连续。
检查段落拼接处的静音和语速
直接首尾相接有两个常见听感问题：前一段尾音被后一段起音吃掉，或者两段之间完全没有呼吸感。通常的做法是在拼接处插入一小段静音，具体时长需要结合环境确认，可以先从很短的量级试起，用同一段文字做两次拼接对比：一次直接相接，一次在段落之间加静音，只听接缝那几秒。
拼接静音与语速检查项：
- 段尾是否被截断：单独播放每一段，听最后一个字的韵母是否完整；
- 段首是否吃字：后一段的第一个字是否被静音或淡入削掉；
- 静音是否过长：连续多段之后整体节奏是否被拖慢，独白稿尤其明显；
- 句末语气是否收住：疑问句、感叹句的调子有没有被下一段打断；
- 语速是否一致：段落之间有没有忽快忽慢，切分点落在逗号上的段落更容易出现；
- 音量是否有台阶：不同段落的响度是否突然跳变。
语速参数通常按整篇设置。如果发现某一段明显偏快，先检查该段文本是否过短——短句在同样语速下听起来更快，这种情况适合合并相邻短句，而不是先去调全局语速。
用试听回查定位需要重合成的片段
整篇重跑既慢又难比较。回查时按编号顺序只听段落边界：每段末尾和下一段开头各听一遍，标出有问题的编号。确认问题只影响个别段落时，只重跑这些段落，其余段落沿用已有结果。
问题段记录建议用一张表，字段至少包含段落编号、问题类型、修改后的文本、重跑结果：
segment_id,problem_type,text_revised,rerun_result
003,尾音截断,调整句末标点后的文本,重新合成后待回听
007,衔接生硬,拆分后的两段文本,加入段间静音后待回听重跑后回到同一位置复听，确认问题消失再把该段替换进拼接列表。如果问题依旧，先改文本（调整切分点或补一个句末标点）再合成，不要反复用同样的文本试参数。整篇拼接完成后再完整听一遍，重点听之前标记过的边界位置。