文档首页/ 数字内容生产线 MetaStudio/ API参考/ 附录/ 文本驱动SSML定义
更新时间：2024-09-12 GMT+08:00
在线调试
CLI示例
查看PDF
分享

文本驱动SSML定义

MetaStudio语音驱动采用语音合成标记语言（SSML，Speech Synthesis Markup Language）来控制数字人的行为，包括动作、情绪以及TTS语音合成的多音字、停顿等。

SSML基础定义可参考语音合成标记语言版本 1.0。MetaStudio在此基础上，扩展了一些字段用于实现数字人的控制。

MetaStudio SSML当前支持如下能力：

  • TTS语音合成时，控制文字读音。
    包含如下标签：

speak标签

  • 描述

    <speak></speak>：SSML文本的根节点。

  • 语法 
    1
    		 
    <speak>这里输入SSML标签的文本</speak>
  • 属性

    无

  • 标签关系

    <speak>可以包含文本和标签，包括<break>、<phoneme>、<say-as>、<sub>标签。

break标签

  • 描述

    <break/>：在任意位置插入静音停顿。

  • 语法 
    1
    		 
    <break time="String"/>
  • 属性
    表1 属性说明

    属性名称

    属性类型

    属性值

    是否必选

    描述

    time

    String

    最小200毫秒，最大10秒

    否

    静音停顿时长，单位：毫秒。

    strength

    String

    取值如下所示：

    • none：没有韵律
    • x-weak：很短韵律
    • weak：短韵律
    • medium：中等韵律
    • strong：长韵律
    • x-strong：很长韵律

    否

    韵律定义。
  • 标签关系

    不能包含其他任何标签。

  • 示例 
    1
2
    		 
    一句话<break time="200ms"/>另外一句话
一句话<break strength="strong"/>另外一句话

phoneme标签

  • 描述

    <phoneme></phoneme>：中文多音字的发音或英文单词发音。

  • 语法 
    1
2
    		 
    <phoneme ph="string">文字</phoneme>
The <phoneme ph="W EH1 DH AH0">weather</phoneme> is very good.
  • 属性
    表2 属性说明

    属性名称

    属性类型

    属性值

    是否必选

    描述

    ph

    String

    拼音或音素

    是
    • 输入汉语拼音时，声调用1、2、3、4来表示，5表示轻声。
    • CMU词典音素。
    • 举例1：天气的ph取值为“tian1 qi4”。
    • 举例2：weather的ph取值为“ˈweəðə(r)”。
  • 标签关系

    可以包含文本，不可以包含其他标签。

  • 示例 
    1
    		 
    今天<phoneme ph="tian1 qi4">天气</phoneme>很好

    根据汉字获取拼音JS库，操作请参考pinyin-pro。

say-as标签

  • 描述

    <say-as></say-as>：将文本指定为特定类型的内容，或者控制英文单词逐个字符拼写。

  • 语法 
    1
    		 
    <say-as interpret-as="string">数字或单词</say-as>
  • 属性
    表3 属性说明

    属性名称

    属性类型

    属性值

    是否必选

    描述

    interpret-as

    String
    • number：数字
    • date：日期
    • figure：数值
    • phone：电话号码
    • english：英文单词
    • spell：逐个字母读英文

    是

    将内容解释为给定类型读法。
  • 标签关系

    可以包含文本，不可以包含其他标签。

  • 示例 
    1
2
3
4
5
6
    		 
    <say-as interpret-as="number">123</say-as>
<say-as interpret-as="date">2022/3/8</say-as>
<say-as interpret-as="figure">175 cm</say-as>
<say-as interpret-as="phone">151 12345678</say-as>
<say-as interpret-as="english">Hello</say-as>
<say-as interpret-as="spell">Hello</say-as><!-- 读：H E L L O -->

sub标签

  • 描述

    <sub></sub>：用其他词语替代读法。

  • 语法 
    1
    		 
    <sub alias="string">文字</sub>
  • 属性
    表4 属性说明

    属性名称

    属性类型

    属性值

    是否必选

    描述

    alias

    String

    替代词语

    是

    将标记的内容替换为此值进行阅读。
  • 标签关系

    可以包含文本，不可以包含其他标签。

  • 示例
    实际阅读为“保罗”。 
    1
    		 
    <sub alias="保罗">Paul</sub>是德国人

prosody标签

  • 描述

    <prosody></prosody>：控制局部语速。

  • 语法 
    1
    		 
    <prosody rate="50">文字</prosody>
  • 属性
    表5 属性说明

    属性名称

    属性类型

    属性值

    是否必选

    描述

    rate

    String

    语速百分比值。

    最小值50，最大值200。

    示例：50，表示用0.5倍速度阅读。

    是

    语速值
  • 标签关系

    可以包含文本，不可以包含其他标签。

  • 备注 
    1
    		 
    <prosody rate="50">大家好，我是MetaStudio数字人</prosody>

word标签

  • 描述

    <word></word>：设置选中文字为连读模式。选中文字只能包含文字，不能有标点符号或者空格等字符。

  • 语法 
    1
    		 
    <word>文字</word>
  • 属性

    无

  • 标签关系

    可以包含文本，不可以包含其他标签。

  • 备注 
    1
    		 
    <word>大家好我是MetaStudio数字人</word>
父主题： 附录

相关文档