语音合成 SSML 标记语言

注意：目前只有中文、英文合成支持 SSML 功能。

一、使用方式

将带标签的文本作为 text 参数值，上传至语音合成服务，发送给语音合成服务的请求内容如下：

{ "Action" : "TextToVoice", "AppId" : 12345, "Codec" : "mp3", "Expired" : 1603271036, "ModelType" : 1, "PrimaryLanguage" : 1, "ProjectId" : 0, "SampleRate" : 8000, "SecretId" : "AKID****", "SessionId" : "1234", "Speed" : 0, "Text" : "<speak>电话号码是<say-as interpret-as=\\"telephone\\">4008110510</say-as>。</speak>", "Timestamp" : 1603184636, "VoiceType" : 1002, "Volume" : 5}

语音合成支持的 SSML 标签。其中 <speak> 标签中的未定义标签不合成，且 XML 格式错误可能会导致<speak> 标签的合成停止。

语音合成的 SSML 功能支持多个 <speak> 标签闭合嵌套于文本之中。例如：

<speak>她叫<say-as interpret-as="name">任盈盈</say-as>。她的电话号码是<say-as interpret-as="telephone">+86-15188888888</say-as>。她今年<say-as interpret-as="cardinal">22</say-as>岁了。她有一个快递，单号是<say-as interpret-as="digits">5648234514237588</say-as>。她的地址是<say-as interpret-as="address">深南大道10000号3单元304</say-as>。</speak>再补充一下，<speak>她的用户名是<say-as interpret-as="characters">b888_uαβγ</say-as>。</speak>

四、描述

<speak>标签是所有待支持 SSML 标签的根节点。一切需要调用 SSML 标签的文本都要包含在“<speak></speak>”中。speak 标签不支持属性。

五、语法

<speak>需要调用SSML标签的文本</speak>

六、标签关系

<speak> 标签可以包含文本和以下标签：<phoneme>、<say-as>、<sub>。

七、示例

<speak>需要调用SSML标签的文本。</speak>

音频效果：SSML-speak1.wav

九、描述

使用别名替换标签内文本。

十、语法

<sub alias="别名">文本</sub>

十一、属性

十二、标签关系

标签仅包括文本。

十三、示例

<speak><sub alias="语音合成">TTS</sub></speak>

音频效果：SSML-sub.wav

十五、描述

用于在文本中插入停顿，该标签是可选标签。使用<break>标签时，<speak>标签中除<break>标签外，必须包含有效文本。

十六、语法

<break time="string"/>

十七、属性

十八、标签关系

<break>是空标签，不能包含任何标签。

十九、示例

<speak>请闭上眼睛休息一下<break time="500ms"/>好了，请睁开眼睛。</speak>

21、描述

用于控制标签内文本的读音，该标签是可选标签。

22、语法

<phoneme alphabet="py" ph="拼音串">文本</phoneme>

23、标签关系

<phoneme>标签仅包括文本。

24、示例

<speak>现状是各地的经济水平是<phoneme alphabet="py" ph="cen1 ci1 bu4 qi2">参差不齐</phoneme>的。需要缩小较弱地域和较强地域的<phoneme alphabet="py" ph="cha1 ju4">差距</phoneme>。要做好这个<phoneme alphabet="py" ph="chai1 shi4">差事</phoneme>可不容易啊。</speak>

音频效果：SSML-phoneme.wav

26、描述

用于指示出标签内文本的信息类型，进而按照该类型的默认发音方式发音。

27、语法

<say-as interpret-as="string">文本</say-as>

28、各<say-as>类型支持范围

·cardinal

·digits

·telephone

·address

·id

·characters

·punctuation

·date

·time

·currency

·measure

29、<say-as> 常见符号读法

30、<say-as> 常见计量单位

31、标签关系

<say-as>标签仅包括文本。

32、示例

·cardinal

<speak> <say-as interpret-as="cardinal">12345</say-as></speak>

音频效果：say-as-cardinal.wav

·digits

<speak><say-as interpret-as="digits">12345</say-as></speak>

音频效果：say-as-digits.wav

·telephone

<speak><say-as interpret-as="telephone">12345</say-as></speak>

音频效果：say-as-telephone.wav

·name

<speak>她的曾用名是<say-as interpret-as="name">曾小凡</say-as></speak>

音频效果：say-as-name.wav

·address

<speak><say-as interpret-as="address">深南大道10000号1号楼3单元304</say-as></speak>

音频效果：say-as-address.wav

·id

<speak>我的用户名是<say-as interpret-as="id">tencent_8858</say-as></speak>

音频效果：say-as-id.wav

·characters

<speak>希腊字母<say-as interpret-as="characters">αβ</say-as></speak>

音频效果：say-as-characters.wav

·punctuation

<speak>我最常用的标点是<say-as interpret-as="punctuation">，</say-as></speak>

音频效果：say-as-punctuation.wav

·date

<speak><say-as interpret-as="date">2020-10-10</say-as></speak>

音频效果：say-as-date.wav

·time

<speak><say-as interpret-as="time">5:30am</say-as></speak>

音频效果：SSML-say-as_time.mp3

·currency

<speak><say-as interpret-as="currency">15,000.00RMB</say-as></speak>

音频效果：say-as-currency.wav

·measure

<speak><say-as interpret-as="measure">100m²15cm²</say-as></speak>

音频效果：say-as-measure.wav

34、描述

用于表示文本的词语结构，该标签是可选标签。英文文本通常采用空格来进行分词，一般无需使用此标签。<word> 标签内部必须是一个独立的词或短语，这个词或短语只能包含纯中文或纯英文，不能中英混合。

35、语法

<word>文本</word>

36、标签关系

<word>标签仅包括文本。

37、示例

<speak>广州市长<word>隆马戏</word>欢迎你。</speak>

音频效果：SSML-word.wav