HeyGen Voice 这类语音生成工具通常没有可依赖的“读音标注语法”可以直接照抄，所以稳妥的顺序是：先在提交文本之前把数字、单位和多音字改成你希望听到的中文写法，再用同一句话的两种写法各生成一遍对照试听。插入空格、加分隔符、平台提供的发音词典或 SSML 之类的做法能不能生效，需要在该语言和该音色下单独验证；只有验证通过才继续用，验证不通过就换同义词规避，而不是反复点重新生成、指望某一次碰巧读对。

数字和多音字被念错，优先在文本层解决：生成前把 2024 写成“二零二四”、把 3.5% 写成“百分之三点五”、把“重启”换成“重新启动”，然后两种写法各生成一遍对照试听。两次结果稳定一致才算规则有效；只碰巧读对一次，或者替换时顺带换了音色、语速、语言设置，都不能当结论。发音标注能否使用，要在同一音色下用小样本单独确认，确认前不要批量替换。

先把读错的词逐个记下来，按数字、单位、多音字分三类

零散地听到“这里读错了”没有可操作性，建议先建一张表，把每次听出来的问题写进去。字段至少要覆盖：原写法、听到的读法、期望读法、出现次数、类型、上下文片段、初步处理方向。出现次数不是考核指标，它的作用是帮你排序：出现 5 次的错读值得写一条规则，只出现 1 次的可以手工改。

分类判定看错在哪一层：如果错的是“整个字符串该怎么读”（年份逐位还是按数值、单号要不要读成数字），归到数字；如果符号被忽略或被读成英文（% 读 percent、℃ 读 C），归到单位符号；如果字形没变但声母或声调错了（重、行、长、差、还、了），归到多音字。这个分类决定了后面的处理方式：数字和单位基本靠替换表能解决，多音字通常换词比加标注更稳，因为同形异音本身就是分词和词义判断问题，标注不一定被引擎采纳。

在生成前用替换表改文本：把数字写成想听到的读法

替换发生在“文本交给生成器之前”，所以它适用于两种入口：界面里手动粘贴，就先把脚本输出复制进输入框；接口批量提交，就把替换放在构造请求体之前，并同时保留原文和替换后文本，方便回溯。下面这张表是常见改写方向，按业务确认后写进规则。

手工改几句没问题，句子一多就必须用脚本，而且要能打印出“改了哪里”。下面是一个通用骨架，把规则集中在一处，运行后先输出逐条 diff，人工确认后再提交生成。注意最后一条区间的规则会误命中日期 2024-05-06，这类反例要写进规则注释或干脆按字段单独处理。

# replace_before_tts.py
import re

DIGITS = "零一二三四五六七八九"
UNITS = ["", "十", "百", "千"]

def int2cn(n: int) -> str:
    if n == 0:
        return "零"
    if n >= 10000:
        return "".join(DIGITS[int(c)] for c in str(n))  # 超范围退化为逐位读，按业务改
    s, out, zero = str(n), "", False
    for i, ch in enumerate(s):
        d, pos = int(ch), len(s) - i - 1
        if d == 0:
            zero = True
        else:
            if zero and out:
                out += "零"
            out += DIGITS[d] + UNITS[pos]
            zero = False
    return out[1:] if out.startswith("一十") else out

def num2cn(s: str) -> str:
    if "." in s:
        a, b = s.split(".", 1)
        return num2cn(a) + "点" + "".join(DIGITS[int(c)] for c in b)
    return int2cn(int(s))

def read_digit(s: str) -> str:
    return "".join(DIGITS[int(c)] if c.isdigit() else c for c in s)

RULES = [
    # (规则名, 正则, 替换函数或字符串)
    ("年份逐位读", r"(?<!\d)(\d{4})(?=年)", lambda m: read_digit(m.group(1))),
    ("编号逐位读", r"(?<=[A-Za-z])(\d{4,})", lambda m: read_digit(m.group(1))),
    ("百分比展开", r"(\d+(?:\.\d+)?)%", lambda m: "百分之" + num2cn(m.group(1))),
    ("摄氏度展开", r"(\d+(?:\.\d+)?)\s*℃", lambda m: num2cn(m.group(1)) + "摄氏度"),
    ("区间连字符", r"(?<=\d)-(?=\d)", lambda m: "到"),  # 反例：日期 2024-05-06
    ("多音字规避", r"重启", "重新启动"),
]

def apply(text: str):
    hits = []
    for name, pattern, repl in RULES:
        def _sub(m, name=name, repl=repl):
            new = repl(m) if callable(repl) else repl
            hits.append((name, m.group(0), new))
            return new
        text = re.sub(pattern, _sub, text)
    return text, hits

def run(path: str):
    lines = open(path, encoding="utf-8").read().splitlines()
    report = []
    for i, line in enumerate(lines, 1):
        new, hits = apply(line)
        if hits:
            report.append(f"--- 行{i} 原：{line}")
            report.append(f"+++ 行{i} 新：{new}")
            for name, a, b in hits:
                report.append(f"    [{name}] {a} -> {b}")
    out = "\n".join(report)
    open("diff_report.txt", "w", encoding="utf-8").write(out)
    print(out)

if __name__ == "__main__":
    run("script.txt")

验证方式不是看脚本有没有报错，而是看 diff 内容对不对：每一条命中的原串、新串都要人工过一遍，重点看三类误伤——本来该按数值读的数量被逐位读了、日期被当成区间、英文字母后面的编号被截断。确认无误后，把替换后的文本提交生成；同时把 diff_report.txt 留一份，后面判断“这次读对了是因为替换还是因为碰巧”时要用到它。

同一句话用原写法和替换后写法各生成一遍，对照听差异

这一步是为了排除巧合：有些文本第一次读错、第二次读对，原因可能是分段方式变了、上下文变了，而不是你的处理起效。做法是固定音色、语速、语言设置，只改文本写法，各生成一遍，然后按下面的表记录。

判定标准就两条：同一设置下，替换后的文本重复生成结果一致；并且这个结果与期望读法一致。两个条件缺一不可。如果替换后读法稳定但依然不是想要的，说明问题不在“要不要替换”，而在“替换成了什么”，这时换同义词往往比继续加标注更快。

确认替换无效时，按这个顺序排查，先便宜的、先能证伪的：

1. 确认提交的确实是替换后的文本——打印请求体或对照输入框内容，排除复制漏行、脚本没跑到这一行。
2. 确认音色、语言、语速设置与上一次完全相同，中英混排的文本在部分音色下会整段按另一种语言读。
3. 确认平台没有做二次规范化，比如把中文数字又转回阿拉伯数字、把符号还原成缩写。
4. 确认标点、换行、空格没有把词切断，加空格有时会改变分词，反而制造新错读，这一点要靠对照试听确认，不能凭感觉。
5. 确认平台是否支持发音词典或 SSML 类能力，若支持，用最小样本单独测，测通再接入。
6. 以上都不成立，就换词规避，别在同一条规则上反复调。

把确认有效的替换规则存成词表，下次生成前先跑一遍

对照试听通过之后，把这条规则从“临时改动”升级成词表条目。建议用 CSV 或 YAML 存，字段包含：规则名、正则、替换内容、类型（数字/单位/多音字）、示例输入、示例输出、反例、状态（待验证/启用/停用）、备注。反例这一列不要省，它是防止下一个人把规则写宽的护栏；停用比删除好，出问题时能快速回滚。

冲突处理有三条实用约定：同一段原串只允许有一条启用规则；正则尽量加边界，比如数字前用 (?<!\d)、年份后加 (?=年)，避免“3.5%”的规则吃掉“v3.5%”；多条规则同时命中时按“长匹配优先、具体优先于通用”的顺序执行，并在 diff 里全部打印出来，不要静默合并。新增条目先进“待验证”，跑完对照试听再改成“启用”。

脚本跑完不要直接提交，先看输出报告。可以把下面这段当作检查清单，逐项确认：

== 替换运行报告 ==
输入文件：script.txt，共 42 行
启用规则：7 条，命中 19 处
命中了停用规则：0 处          # 大于 0 需检查状态字段
替换后仍含阿拉伯数字：3 处（行 5、11、12）   # 逐行确认是有意保留还是漏规则
替换后仍含 % ℃ / : 等符号：1 处（行 8）
替换前后长度变化超过 20% 的行：2 处          # 人工确认语序没被改乱
多音字规则命中但未见反例说明：1 条          # 建议补反例再启用
diff 已写入 diff_report.txt

这份报告的作用是把“我记得改过”变成可核对的记录：哪些行改了、还剩哪些字符没处理、有没有规则被停用却仍被别的规则间接命中。报告里的每一项都来自脚本实际处理结果，不需要额外统计工具。只要保持“先跑词表、看 diff、再提交生成、抽听几句”这个顺序，同一个错读通常只需要修一次，后面都是在已有词表上追加条目。