语音合成标记语言 （SSML） 概述

语音合成标记语言（SSML）是一种基于 XML 的标记语言，可用于微调文本到语音输出属性，如音调、发音、说话速率、音量等。 它提供比纯文本输入更多的控制和灵活性。

用例场景

SSML 旨在让你能够灵活控制语音输出的效果，并提供了多种属性来自定义这种输出。 您可以使用 SSML 来：

• 定义用于确定文本到语音输出的结构、内容和其他特征的输入文本结构。 例如，可以使用 SSML 来定义段落、句子、中断/暂停或静音。 可以使用事件标记（如书签或 viseme）来包装文本，应用程序稍后可以处理这些标记。 Viseme 是语音语音（单个语音）的视觉描述，以口语形式显示。
• 选择语音、语言、名称、样式和角色。 可以在单个 SSML 文档中使用多个语音。 还可以调整强调、说话率、音调和音量。 SSML 还可以插入预录制的音频，例如声音效果或音乐音符。
• 控制 输出音频的发音。 例如，可以将 SSML 与音素和自定义词典一起使用，以提高发音。 还可以使用 SSML 定义单词或数学表达式的具体发音。

使用 SSML 的方法

SSML 功能在可能适合你的用例的各种工具中可用。

可以通过以下方式使用 SSML：

• 音频内容创建 工具允许你在 Speech Studio 中创作纯文本和 SSML。 可以收听输出音频并调整 SSML 以提高语音合成。 有关详细信息，请参阅 语音合成与音频内容创建工具。
• 语音 CLI 通过 spx synthesize --ssml SSML 命令行参数接受 SSML。
• 语音 SDK 在不同受支持的语言中均可通过“speak”SSML 方法接受 SSML。

后续步骤

• SSML 文档结构和事件
• 使用SSML的语音和音效
• 使用 SSML 发音
• 语音服务的语言和声音支持