Regex 程序将如何根据wav文件获取输入短语并通过暂停进行合成

我试着用文件夹中给出的.wav文件来合成输入短语。如果输入短语有逗号，那么它将在300ms后开始，如果我们有句号或问号，它将在400ms后开始。 从这段代码开始，我不知道如何启动、加入短语和播放wav文件

parser.add_argument('--play', '-a', action="store", default=False)
args = parser.parse_args()

class Synthesis(object):
    def __init__(self, wav_folder):
        self.phones = {}
        self.get_wavs(wav_folder)
    def get_wavs(self, wav_folder):
        for root, dirs, files in os.walk(wav_folder, topdown=False):
            for file in files:
                filesplit = file.split('.')
                filename = filesplit[0]
                self.phones[filename] = AS.Audio()
                self.phones[filename].load(root + '/' + file)

def punctuation(phrase):
    concate_punc = []

    for word in phrase:
        phn_ex= re.match(r'[a-z]+\|,|[.]|!|[?]', word)
        phone_exception = phn_ex.group(0)
        print phone_exception

if __name__ == "__main__":
    S = Synthesis(wav_folder=args.phones)
    output = AS.Audio(rate=48000)

---

那么你是在尝试制作罐装语音，而不是实际的语音合成？您正在使用的语言的每个单词都有一个.wav文件？是的，例如，当它收到“bye，bye！”时，它应该将其转换为带有暂停的cmudict phone_序列。。听起来应该像“baayiy（暂停）baayiy”好的，听起来更像是实际的语音合成。你是否有一个字-音转换器，即一套将“bye”映射到音素“baayiy”的规则？在那之前，我认为你不必担心停顿之类的事情。。。