Google text to speech 谷歌文语转换：把一个句子读作较长句子的一部分

我正在实现一项服务，该服务通过文本生成带字幕的视频和语音。我遵循以下程序：

把课文分成10个单词

生成每个文本部分的语音

生成包含每个部分的文本和音频的视频（使用ffmpeg）

最后合并每个视频

有什么问题吗？第2点。比如说，我有一句话：“大家好，我想和大家分享这段视频，让你们知道，即使我们因为这场流行病没有见面，我也会想起你们。”。若你们（作为人类）读到这句话，你们不会在“和你们在一起”（10个单词）之后停下来，或者在“和你们在一起”之前改变语调，因为你们知道这句话并没有在那个里结束。Google Speech会改变语调，因为它知道句子即将结束，因为我给Google Speech发送了10个单词的部分，而不是完整的部分

我已经将完整的句子和10个单词的部分发送到谷歌文本，大胆地进行分析，并检查语调（音频模块化）是否发生了变化。请参见下图（全文第一，部分文本第二）

问题是：有没有一种方法可以要求谷歌文本语音转换API阅读句子，就好像它是较长句子的一部分

我一直在阅读，它证实了我之前所说的：“如果这个元素[断开标记]在单词之间不存在，那么断开是根据语言上下文自动确定的”。我在SSML中还没有找到任何标签，可以让我把这个句子当作一个较长句子的一部分来阅读

我前面提到的整个过程的步骤是我唯一的想法，以便从文本生成带字幕的视频，因为每个视频部分都需要相应的文本和演讲。如果我生成完整的演讲并将其分块，我将无法知道在演讲/视频长度中添加文本的时间位置。另一个主题是从视频和演讲中生成字幕：）

多谢各位