目前语音合成支持句级时间戳吗，如不支持，是否有计划支持？

[Sloaix]

刚才安装了PaddleSpeech试了下，貌似没有输出句级时间戳信息。

正好手头有一个项目，用了阿里云的语音合成接口，他们支持句级时间戳，这样我就可以根据返回的时间戳生成srt字幕信息，不需要再人工操作了。

但是阿里云的接口很不稳定，经常不测试就上线，出现线上事故，导致返回的句级时间戳和合成语音不匹配。一出问题就要去提工单，所以想自己部署一个tts服务，这应该是一个很常见的需求，希望考虑支持一下。

阿里是按照句号和逗号进行断句的，返回的JSON结构如下：

{
    "status": 200,
    "data": {
        "sentences": [
            {
                "text": "查尔曼致力于解决各种问题性皮肤。",
                "begin_time": "0",
                "end_time": "3000"
            },
            {
                "text": "我们有着专业的团队。",
                "begin_time": "3000",
                "end_time": "4000"
            },
            {
                "text": "一流的手法。",
                "begin_time": "4000",
                "end_time": "5000"
            },
            {
                "text": "贴心的服务。",
                "begin_time": "5000",
                "end_time": "6000"
            },
            {
                "text": "个性的定制。",
                "begin_time": "6000",
                "end_time": "7000"
            },
            {
                "text": "改善皮肤暗黄松弛毛孔粗大。",
                "begin_time": "7000",
                "end_time": "9000"
            },
            {
                "text": "变成更好的自己",
                "begin_time": "9000",
                "end_time": "10000"
            }
        ],
        "task_id": "xxx",
        "audio_address": "xxx",
        "notify_custom": ""
    },
    "error_code": 20000000,
    "error_message": "SUCCESS",
    "request_id": "xxx"
}

[yt605155624]

我们现在合成默认按照标点切分分句合成，

PaddleSpeech/paddlespeech/t2s/exps/synthesize_e2e.py

Line 115 in 092687d

for i in range(len(phone_ids)):

我理解你每合成一个分句计算当前 wav 的时长就是句子级别的时间戳？

[Sloaix]

谢谢提供源码位置。