របៀបរៀបចំអត្ថបទខ្មែរសម្រាប់ TTS៖ លេខ កាលបរិច្ឆេទ ឈ្មោះ និងពាក្យបរទេស

១. ចាប់ផ្តើមពីអត្ថបទ Unicode ពិត

អត្ថបទដែលបានចម្លងពី PDF ចាស់ OCR ឬឯកសារប្រើពុម្ពអក្សរចាស់ អាចមើលដូចភាសាខ្មែរ ប៉ុន្តែតួអក្សរខាងក្នុងមិនមែនជាលំដាប់ដែលប្រព័ន្ធទំនើបរំពឹងទុក។ សាកល្បងជ្រើស និងចម្លងពាក្យមួយទៅកម្មវិធីកែអត្ថបទធម្មតា។ ប្រសិនបើវាក្លាយជាសញ្ញាចម្លែក ឬជារូបភាព សូមរកប្រភព Unicode មុន។

រក្សាឯកសារដើមជានិច្ច។ ធ្វើការកែប្រែនៅលើច្បាប់ចម្លង ដើម្បីឱ្យអ្នកអាចប្រៀបធៀប និងត្រឡប់ក្រោយបាន។ Unicode normalization អាចធ្វើឱ្យទម្រង់កូដខ្លះស្មើគ្នា ប៉ុន្តែមិនមែនជាឧបករណ៍កែអក្ខរាវិរុទ្ធ ឬជួសជុលរាល់លំដាប់ខ្មែរដែលខូចទេ។

២. កុំលុបចន្លោះ ឬតួអក្សរមើលមិនឃើញទាំងអស់

ក្នុងអក្សរខ្មែរ ពាក្យជាទូទៅមិនត្រូវបានបំបែកដោយចន្លោះធម្មតាដូចអង់គ្លេសទេ។ ចន្លោះអាចបង្ហាញព្រំដែនឃ្លា ហើយ zero-width space អាចត្រូវបានប្រើសម្រាប់ព្រំដែនពាក្យក្នុងប្រព័ន្ធខ្លះ។ ដូច្នេះការស្វែងរកហើយលុបចន្លោះទាំងអស់អាចបំផ្លាញអត្ថន័យ ឬចង្វាក់។

បង្ហាញសញ្ញាមើលមិនឃើញក្នុងកម្មវិធីកែអត្ថបទ ប្រសិនបើអាចធ្វើបាន ហើយកែតែទីតាំងដែលអ្នកយល់ពីបរិបទ។ បន្ទាប់មកសាកល្បងសំឡេងម្តងទៀតដោយរក្សាកំណែមុនសម្រាប់ប្រៀបធៀប។

៣. សាកល្បងលេខ កាលបរិច្ឆេទ ឈ្មោះ និងពាក្យចម្រុះ

កុំរង់ចាំរហូតដល់បង្កើតកថាខណ្ឌទាំងមូល។ បង្កើតបញ្ជីខ្លីដែលមានតែធាតុពិបាក ហើយស្តាប់វាមុន។ សរសេរកំណែបង្ហាញ និងកំណែសម្រាប់ការនិយាយដាច់ដោយឡែក ប្រសិនបើវាជួយឱ្យការអានច្បាស់។

តារាងនេះជាវិធីធ្វើតេស្ត មិនមែនជាការធានាថាទម្រង់ទីពីរត្រឹមត្រូវសម្រាប់គ្រប់បរិបទទេ។

៤. បំបែកប្រយោគវែង និងប្រើវណ្ណយុត្តដោយចេតនា

ប្រយោគវែងធ្វើឱ្យការរកកំហុសពិបាក។ បំបែកស្គ្រីបតាមគំនិត និងតាមកន្លែងដែលអ្នកនិយាយធម្មតានឹងផ្អាក។ បង្កើតសំឡេងតាមកថាខណ្ឌ ដើម្បីឱ្យអ្នកអាចកែតែផ្នែកខុស។

វណ្ណយុត្តអាចប៉ះពាល់ដល់ចង្វាក់ ប៉ុន្តែលទ្ធផលអាចប្រែប្រួលតាមអត្ថបទ និងសំឡេង។ កុំបន្ថែមសញ្ញាច្រើនដោយមិនស្តាប់។ ប្រើវិធីបីកំណែ៖ ដើម កែសម្រាប់និយាយ និងបែងឃ្លា ហើយរក្សាកំណែដែលស្តាប់ច្បាស់បំផុត។

៥. ពិនិត្យដោយមនុស្សមុនប្រើជាសាធារណៈ

• ផ្ទៀងផ្ទាត់អក្ខរាវិរុទ្ធ និងការពិតក្នុងស្គ្រីប។
• ស្តាប់រាល់ឈ្មោះ ទីកន្លែង លេខ និងពាក្យបច្ចេកទេស។
• ប្រៀបធៀបអត្ថបទចុងក្រោយជាមួយសំឡេង។ កុំសន្មតថាវាដូចគ្នា។
• សម្រាប់ការអប់រំ ច្បាប់ វេជ្ជសាស្ត្រ ឬសុវត្ថិភាព សូមឱ្យអ្នកពិនិត្យទីពីរដែលមានជំនាញសមស្របស្តាប់។
• កត់ត្រាអត្ថបទ សំឡេង ការកំណត់ កាលបរិច្ឆេទ និងកំណែដែលបានអនុម័ត។