更新时间：2024-07-08 GMT+08:00
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></speak>标签为SSML文本根节点。
- <break/>标签用于静音停顿，可设置停顿时长。
- <phoneme></phoneme>标签，用于标记多音字发音。
- <say-as></say-as>标签用于指定数字或英文的读法。
- <sub></sub>标签用于设置当前标记文字的别名，即替代读法。
- <prosody></prosody>标签用于控制局部语速。
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。
- 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 qi1">天气</phoneme>很好
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 -->
