Thorium阅读器中日语Ruby文本转语音功能的优化实践

Thorium阅读器中日语Ruby文本转语音功能的优化实践

thorium-reader A cross platform desktop reading app, based on the Readium Desktop toolkit 项目地址: https://gitcode.com/gh_mirrors/th/thorium-reader

背景介绍

Thorium阅读器作为一款开源的电子书阅读软件，近期对其日语文本转语音(TTS)功能中的Ruby注音处理进行了重要优化。Ruby注音是日语文本中常见的排版方式，通过在汉字上方标注假名读音来辅助阅读。这项优化解决了原有功能在处理带Ruby注音的日语文本时存在的语音输出问题。

技术挑战

在日语文本中，Ruby注音通常采用HTML5的ruby标签实现，基本结构包含：

• rb标签：包含基础汉字文本
• rt标签：包含注音假名
• rp标签：为不支持ruby的浏览器提供回退显示

原版Thorium阅读器的"可跳过性"(Skippability)功能在处理这类文本时存在逻辑问题：当启用跳过功能时，系统会错误地跳过注音部分而朗读汉字部分，这与日语阅读习惯完全相反。

解决方案

开发团队经过深入分析后，决定重构处理逻辑：

1. 移除Skippability开关：认识到该功能不适用于Ruby注音场景，转而利用现有的Ruby显示开关来控制语音输出。

2. 智能语音输出规则：

   • 当显示Ruby注音时(默认状态)，TTS仅朗读注音部分(rt标签内容)
   • 当关闭Ruby显示时，TTS朗读基础汉字部分(rb标签内容)

3. 多结构兼容：支持两种常见的Ruby标签结构：

   <ruby>漢字<rt>かんじ</rt></ruby>
   

   和

   <ruby><rb>漢字</rb><rt>かんじ</rt></ruby>
   

技术验证

团队通过对比EPUB3媒体覆盖(Media Overlays)的预录制音频来验证TTS输出效果。测试用例显示，优化后的TTS输出与专业录制的日语有声书处理方式一致，都优先朗读注音部分。

用户体验考量

虽然理论上可以增加更多复杂选项(如同时朗读汉字和注音)，但团队从用户体验角度出发，决定保持简洁的设置界面。当前方案提供了最符合日语阅读习惯的默认行为，同时通过简单的开关让用户选择听取汉字原音。

未来展望

这项优化显著提升了Thorium阅读器处理日语文本的语音输出质量。开发团队表示将继续关注用户反馈，不断完善对东亚文字排版特性的支持，为全球用户提供更优质的多语言阅读体验。

thorium-reader A cross platform desktop reading app, based on the Readium Desktop toolkit 项目地址: https://gitcode.com/gh_mirrors/th/thorium-reader