一句话定义
TTS 重复与漏读（repetition and omission，常被叫作 TTS 幻觉，TTS hallucination）是指语音合成系统在朗读文本时，生成的音频和原文对不上：同一个字、词或音节被反复念，或者整句、整段字词被跳过。它通常不是音频文件损坏，而是文本和声学输出之间的对齐出了问题。
为什么会发生
自回归 TTS（autoregressive TTS）像玩“接龙”：模型根据已经生成的声音，预测下一小段声音，再根据新的历史继续预测。短句里它很容易跟住文本；长文本里，注意力容易漂移，模型可能“忘记自己读到哪了”。
打个比方：一个人照着稿子念，但手指没有跟着字走。读到长句时走神，就可能退回上一行重复，或者直接跳到下一段。重复还会形成正反馈：一旦重复了一次，历史里重复的模式被加强，模型越陷越深，听起来像卡带。漏读则常因为对齐太弱，几个字被“吞”进一个发音，或者一个文本块被整体跳过。
和相邻概念的区别
| 概念 | 本质 |
|---|---|
| ASR 幻觉 | 听错或编造文本 |
| 普通发音错误 | 多音字、音素不准，但顺序基本正确 |
| TTS 重复与漏读 | 文本与语音序列结构性失配，顺序和覆盖出错 |
怎么缓解：alignment 与停顿控制
AI 词典：Alignment">Alignment（对齐）的目标，是让每个文本 token 和声学帧保持单调、稳定的对应关系。常见做法包括单调对齐约束、时长预测器（duration predictor）、注意力限制，以及长文本切分后保留全局位置信息。简单说，就是给模型一根“手指”，让它别乱跑。
Pause control（停顿控制）则是在标点、分句、段落处插入显式停顿或静音时长，给模型“换气”和重置状态的机会。工程上还可以：合理分句，限制单次生成长度，做标点与数字归一化，把缩写展开，必要时用 SSML 的 break 或停顿标记，具体支持范围以官方页面为准。
对从业者和普通人的意义
做有声书、客服播报、长文朗读时，要重点测中后段，因为开头正常不代表后面不崩。普通人听到 TTS 突然卡住或跳字，也别只怪网络，可能是模型对齐漂移。评估时，除了人工听测，还可以做重复检测和漏字检测，把“听起来怪”变成可定位的问题。