SSML标记语言

本文为您介绍SSML（Speech Synthesis Markup Language）标记语言的功能、标签使用及示例。

概述

SSML是一种基于XML的语音合成标记语言。与纯文本的合成相比，使用SSML可以充实合成的内容，为最终合成效果带来更多变化。SSML不仅控制语音合成能读什么，更能控制语音合成可以怎么读，包括控制断句分词方式、发音、速度、停顿、声调和音量等特征。

说明 语音合成服务的SSML实现基于W3C的语音合成标记语言版本1.0。但并不支持W3C包含的所有的标记类型，而是从业务角度出发，将支持的标记类型最大程度与业务需求绑定。

使用方式

说明

• 目前仅中文声音支持SSML功能，详情请参考文档下方各标签的介绍和示例。
• 所有文本需放在<speak></speak>标签之内，且每个语音合成任务只能包含一个<speak></speak>标签。长文本任务（包括实时长文本合成和异步长文本合成）可以含多个成对的<speak></speak>标签。
• 长文本语音合成请求可使用多个<speak></speak>标签，及SSML与文本结合的方式，以下示例可以将全文作为一次请求，在长文本语音合成服务中进行合成测试。

  你好吗？<speak>
  <say-as interpret-as="telephone">114</say-as>查询号码 
  <say-as interpret-as="cardinal">123</say-as>开始干。
  加起来为<say-as interpret-as="digits">1234</say-as>。
  <say-as interpret-as="name">张三</say-as>的快递。
  <say-as interpret-as="address">富路国际1号楼3单元304</say-as>
  <say-as interpret-as="name">李四</say-as>
  </speak>我很好。<speak>
  </speak>哈哈哈

• 文本头部<speak>之前可以省略XML Header。
• 标签内的文字内容如果包含XML的特殊字符，需要做字符转义，常用的特殊字符对应关系如下。
  • "（双引号）对应："
  • ' （撇号或单引号）对应：'
  • &（表示和的符号）对应：&
  • <（小于号）对应：<
  • > （大于号）对应：>

标签

<speak>

• 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。
• 语法

   <speak>需要调用SSML标签的文本</speak>

• 标签关系
  <speak>标签可以包含文本和以下标签：
  • <break>
  • <s>
  • <w>
  • <phoneme>
  • <say-as>

示例

• 空属性

  <speak>
    需要调用SSML标签的文本
  </speak>

<break>

• 描述
  用于在文本中插入停顿，该标签是可选标签。
• 语法

   # 空属性
   <break/>
   # 带time属性
   <break time="string"/>

• 属性
  说明 使用无属性的标签时，停顿时长为“1s”。

  属性名称	属性类型	属性值	是否必选	描述
  time	String	numbers/numberms	否	以秒/毫秒为单位设置停顿的时长 （如“2s“、“50ms”）。

  
  numbers：以秒为单位，number取值范围为1, 10的整数。
  numberms：以毫秒为单位，number取值范围为50, 10000的整数。
• 标签关系
  <break>是空标签，不能包含任何标签。如果SSML结构中存在<s>标签，请把<break>写在<s>里面，表示对当前段落或句子设置停顿。
• 示例

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

<w>

• 描述
  用于表示文本的词语结构，该标签是可选标签。<w>标签内部必须是一个独立的词或短语，这个词或短语不允许混合使用中文和其他外语。
• 语法

   <w>文本</w>

• 属性
  无
• 标签关系
  <w>标签可以包含文本
• 示例

   <speak>南京市长<w>江大桥</w>今天发表了演讲。</speak>

<s>

• 描述
  用于表示文本的句子结构，该标签是可选标签。
• 语法

  <s>文本</s>

• 属性
  无。
• 标签关系
  <s>标签可以包含文本和以下标签：
  • <break>
  • <w>
  • <phoneme>
  • <say-as>
• 示例

  <speak><s>这是第一句话</s><s>这是第二句话</s></speak>

<phoneme>

• 描述
  用于控制标签内文本的读音，该标签是可选标签。英文文本不支持该标签。
• 语法

  <phoneme alphabet="string" ph="string">文本</phoneme>

• 属性

• 标签关系
  <phoneme>标签可以包括文本。
• 示例

  <speak>
      去<phoneme alphabet="py" ph="dian3 dang4 hang2">典当行</phoneme>把这个玩意<phoneme alphabet="py" ph="dang4 diao4">当掉</phoneme>
  </speak>

<say-as>

• 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。
• 语法

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

• 属性

  属性名称	属性类型	属性值	是否必选	描述
  Interpret-as	String	cardinal/digits/telephone/name/address/id/characters/punctuation/date/time/currency/measure	是

  
  指示出标签内文本的信息类型：
  • cardinal：按整数或小数发音
  • digits：按数字发音。
  • telephone：按电话号码常用方式发音。
  • name：按人名发音。
  • address：按地址发音。
  • id：适用于账户名、昵称等
  • characters：将标签内的文本按字符一一读出。
  • punctuation：将标签内的文本按标点符号的方式读出来。
  • date：按日期发音。
  • time：按时间发音。
  • currency：按金额发音。
  • measure：按计量单位发音。
• 各<say-as>类型支持范围
  cardinal

  格式	示例	中文输出	说明
  数字串	145	一百四十五
  负号+数字串	-145	负一百四十五
  以逗号分隔3位数字串	10,000	一万
  负号+以逗号分隔3位数字串	-10,124	负一万一百二十四
  数字串+小数点+2个零	10.00	十
  负号+数字串+小数点+2个零	-110.00	负一百一十
  数字串+小数点+数字串	79.090	七十九点零九零
  负号+数字串+小数点+数字串	-79.001	负七十九点零零一

  
  说明：
  整数输入范围：20位以内的正负整数，-99999999999999999999,99999999999999999999。
  小数输入范围：对小数点后小数的位数没有特殊限制，建议不超过10位。

digits

说明： 对数字串的长度没有特殊限制，建议不超过20位。当数字串超过10位时，每个数字后插入停顿。

telephone

address

• 英文文本不支持该标签。

id

英文文本该标签功能同标签characters。

characters

punctuation

英文文本该标签功能同标签characters。

date

time

currency

measure

<say-as>常见计量单位如下表所示。

另外还有<say-as>常见符号读法，省略。

标签关系

<say-as>标签可以包括文本

综合示例

• 重要
  • 示例样音中旁白发音人使用的是定制声音。
  • 语音合成每次合成请求的文本字数不能超过300字符，且只能使用一次<speak>标签，以下示例需要按照<speak>标签分多次进行合成测试。

<speak>
  相传北宋年间，
  <say-as interpret-as="date">1121-10-10</say-as>，
  <say-as interpret-as="address">开封城</say-as>
  郊外的早晨笼罩在一片
  前买买买的欢乐海洋中。一支运货的骡队刚进入城门
  一个肤白貌美
  <phoneme alphabet="py" ph="de5">地</phoneme>
  姑娘便拦下第一排的小哥<say-as interpret-as="name">阿发。</say-as>
</speak>

<speak>
  “亲，本店今日特惠，鞋履全场
  <say-as interpret-as="digits">199</say-as>
  减
  <say-as interpret-as="cardinal">100</say-as>，
  走过路过不要错过”。
</speak>

<speak>
  “不啦不啦，赶着上货，已经
  <say-as interpret-as="time">09:59:59</say-as>
  了，再晚就供应链断裂了”。
</speak>

<speak>
  <say-as interpret-as="name">阿发</say-as>
  擦了擦汗，带着运货队伍，径直穿过闹巷，耳边充斥着各种叫卖声：
</speak>

<speak>
  最新花色现染布匹，买两尺送一尺；
</speak>

<speak>
  爆款纱帽头盔，7天无理由退货；
</speak>

<speak>
  专治大小方脉，调理男人妇人疑难杂症。
</speak>

<speak>
  突然，一匹马不知怎么受了惊，在路上嘶鸣狂奔
  一个孩子也吓坏了，跌跌撞撞地扑向大人怀里
  <break time="50ms"/>大喊道：
</speak>

<speak>
  “妈妈，妈妈！”
</speak>

<speak>
  这时，
  <say-as interpret-as="name">阿发</say-as>
  心想
</speak>

<speak>
  “吓死宝宝了！”
</speak>

<speak>
  于是他赶紧捂住了
  <phoneme alphabet="py" ph="he2 bao1">钱包</phoneme>，
  继续赶路送货。一路上，
  <say-as interpret-as="address">开封城</say-as>
  的繁荣景象给
  <say-as interpret-as="name">阿发</say-as>
  留下了深刻的印象。
</speak>

<speak>
  物换星移，繁华落尽，于是他在购物狂欢之余握起画笔，勾勒出一幅长卷，并命名为《清明上河图》。
</speak>