小爱同学接到读小说的指令后，先要把文字拆成短句子，每个句子二十到三十个字。然后它用提前存好的声音库，把每个字变成对应的语音包，连起来读出来。遇到长段落会自动换行，停顿时间根据标点来定，比如逗号停半秒，句号停一秒。

为什么这么处理呢？因为要控制语速，每分钟最多读三百字，所以分句不能太长。实测数据显示，分句长度超过三十字的话，用户容易听不清重点。语音合成延迟大约0.3秒，这个时间刚好让大脑接收到信息。比如用户说"读三体"，系统接收到指令后0.5秒开始处理，1秒内完成拆分和合成。测试过五千字小说，平均每段拆成十二到十五个短句，这样读起来更连贯。不过有时候语音库不够新，遇到生僻字会重复读错，得等用户再强调一次才能改过来。