# 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](https://www.w3.org/TR/2004/REC-speech-synthesis-20040907/)。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。 含如下标签： - [\\]标签为SSML所有文本的根节点，一切需要调用SSML标签的文本，都要包含在\ \标记对中。 - [\]为停顿标签，可在文本的指定位置插入停顿，可设置停顿时长。 - [\\]为多音字标签，可指定单个汉字或英文单词的发音。 - [\\]标签用于指定数字或英文的读法。 - [\\]标签用于设置当前标记文字的别名，即替代读法。 - [\\]标签用于控制局部语速。 - [\\]标签用于设置选中文字为连读模式。 - [\\]标签用于设置选中文字使用的音色情感/风格。 - [\]为动作标签，可在文本的指定位置插入动作。 ![](https://support.huaweicloud.com/api-metastudio/public_sys-resources/note_3.0-zh-cn.png) MetaStudio包含多种TTS音色，每种音色支持的SSML标签能力是有差异的，请通过"[查询资产详情](https://support.huaweicloud.com/api-metastudio/ShowAsset.html)"接口，获取每个音色支持使用的标签。 #### speak标签 - **描述** \\：SSML所有文本的根节点，一切需要调用SSML标签的文本，都要包含在\ \标记对中。 - **语法** ``` 这里输入SSML标签的文本 ``` - **属性** 无 - **标签关系** \可以包含文本和标签，包括\、\、\、\标签。 ``` 大家好，我是MetaStudio制作的人工智能数字人。我带大家了解MetaStudio。 ``` #### break标签 - **描述** \：停顿标签，可在文本的指定位置插入停顿，可设置停顿时长 - **语法** ``` ``` - **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** ``` 一句话另外一句话 一句话另外一句话 ``` #### phoneme标签 - **描述** \\：多音字标签，可指定单个汉字或英文单词的发音。 - **语法** ``` 字 Token ``` - **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 | 拼音或音标 | 是 | 输入汉语拼音时，声调用1、2、3、4来表示，5表示轻声。标签起始和结束中间只能有1个汉字。 - 举例1：天气的ph取值为"tian1 qi4"。 - 举例2：Token的ph取值为"ˈtəʊkən"。 | - **标签关系** 可以包含文本，不可以包含其他标签。 - **示例** ``` 今天天气很好 查询Token ``` 根据汉字获取拼音JS库，操作请参考[pinyin-pro](https://www.npmjs.com/package/pinyin-pro)。 如果需要实现自定义单词发音，可通过国际音标指定单词发音，详见[表3]。 表3音标 | 音标类型 | 学术IPA （SSML支持） | 教学IPA （市面常见） | 范例 ||| | 音标类型 | 学术IPA （SSML支持） | 教学IPA （市面常见） | 单词 | 学术IPA | 教学IPA | |:---|:---|:---|:---|:---|:---| | 元音 | /i/ | /iː/ | me | /mi/ | /miː/ | | 元音 | /ɪ/ | /ɪ/ | hit | /hɪt/ | /hɪt/ | | 元音 | /ɛ/ | /e/ | head | /hɛd/ | /hed/ | | 元音 | /æ/ | /æ/ | act | /ækt/ | /ækt/ | | 元音 | /ɑ/ ɑ | /aː/ | father | /'faðɚ/ | /'fa:ðər/ | | 元音 | /ɔ/ | /ɔː/ | draw | /drɔ/ | /drɔː/ | | 元音 | /ʊ/ | /ʊ/ | book | /bʊk/ | /bʊk/ | | 元音 | /u/ | /uː/ | too | /tu/ | /tuː/ | | 元音 | /ʌ/ | /ʌ/ | fund | /fʌnd/ | /fʌnd/ | | 元音 | /ə/ | /ə/ | about | /ə'baʊt/ | /ə'baʊt/ | | 元音 | /ɚ/ | /ər/ | better | /'bɛtɚ/ | /'betər/ | | 元音 | /ɝ/ | /ɜːr/ | flirt | /'flɝt/ | /'flɜːrt/ | | 元音 | /aɪ/ | /aɪ/ | dry | /draɪ/ | /draɪ/ | | 元音 | /aʊ/ | /aʊ/ | out | /aʊt/ | /aʊt/ | | 元音 | /eɪ/ | /eɪ/ | main | /meɪn/ | /meɪn/ | | 元音 | /ɔɪ/ | /ɔɪ/ | toy | /tɔɪ/ | /tɔɪ/ | | 元音 | /oʊ/ | /oʊ/ | goal | /goʊl/ | /goʊl/ | | 辅音 | /p/ | /p/ | pen | /pɛn/ | /pen/ | | 辅音 | /b/ | /b/ | bad | /bæd/ | /bæd/ | | 辅音 | /t/ | /t/ | tea | /ti/ | /tiː/ | | 辅音 | /d/ | /d/ | did | /dɪd/ | /dɪd/ | | 辅音 | /k/ | /k/ | cat | /kæt/ | /kæt/ | | 辅音 | /ɡ/ | /g/ | get | /gɛt/ | /get/ | | 辅音 | /tʃ/ | /tʃ/ | chain | /tʃeɪn/ | /tʃeɪn/ | | 辅音 | /dʒ/ | /dʒ/ 或 /ʤ/ | jam | /dʒæm/ | /dʒæm/ | | 辅音 | /f/ | /f/ | fall | /fɔl/ | /fɔːl/ | | 辅音 | /v/ | /v/ | van | /væn/ | /væn/ | | 辅音 | /θ/ | /θ/ | thin | /θɪn/ | /θɪn/ | | 辅音 | /ð/ | /ð/ | this | /ðɪs/ | /ðɪs/ | | 辅音 | /s/ | /s/ | see | /si/ | /siː/ | | 辅音 | /z/ | /z/ | zoo | /zu/ | /zuː/ | | 辅音 | /ʃ/ | /ʃ/ | shoe | /ʃu/ | /ʃuː/ | | 辅音 | /ʒ/ | /ʒ/ | vision | /'vɪʒn/ | /'vɪʒn/ | | 辅音 | /h/ | /h/ | hand | /hænd/ | /hænd/ | | 辅音 | /m/ | /m/ | man | /mæn/ | /mæn/ | | 辅音 | /n/ | /n/ | now | /naʊ/ | /naʊ/ | | 辅音 | /ŋ/ | /ŋ/ | sing | /sɪŋ/ | /sɪŋ/ | | 辅音 | /j/ | /j/ | yes | /jɛs/ | /jes/ | | 辅音 | /w/ | /w/ | wet | /wɛt/ | /wet/ | | 辅音 | /ɹ/ | /r/ | red | /ɹɛd/ | /red/ | | 辅音 | /l/ | /l/ | leg | /lɛg/ | /leg/ | #### say-as标签 - **描述** \\：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** ``` 数字或单词 ``` - **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 | |:---|:---|:---|:---|:---| | 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** ``` 123 2022/3/8 175 cm 151 12345678 Hello Hello ``` #### sub标签 - **描述** \\：用其他词语替代读法。 - **语法** ``` 文字 ``` - **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 | |:---|:---|:---|:---|:---| | 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"。 ``` Paul是德国人 ``` #### prosody标签 - **描述** \\：控制局部语速。 - **语法** ``` 文字 ``` - **属性** 表6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** ``` 大家好，我是MetaStudio数字人 ``` #### word标签 - **描述** \\：设置选中文字为连读模式。选中文字的形式须如下所示，不能有标点符号等字符，不能同时包含中英文。 - 中文文字 - 英文文字与空格 - **语法** ``` 文字 ``` - **属性** 无 - **标签关系** 可以包含文本，不可以包含其他标签。 - **备注** ``` 华为云 HUAWEI Cloud ``` #### emotion标签 ![](https://support.huaweicloud.com/api-metastudio/public_sys-resources/caution_3.0-zh-cn.png) 情感/风格标签推荐包含整句或者整段的文本，不建议只对整句中的部分文本打上情感/风格标签，会将句子切碎，导致情感/风格标签所包含文本的前后停顿感明显。 - **描述** \\：情感/风格标签，对指定的一句或多句话生效。标签开始于句子起始位置，标签结束于句子结尾。 - **语法** ``` 文字 ``` - **属性** 表7属性说明 | 属性名称 | 属性类型 | 属性值 | 是否必选 | 描述 | |:---|:---|:---|:---|:---| | type | String | 音色的情感/风格类型。 取值如下所示： - DEFAULT：通用 - HAPPY：开心 - SAD：悲伤 - ANGRY：生气 - FEAR：害怕 - AMAZED：惊讶 - COMFORT：安慰 - NEWS：新闻 - MARKETING：营销 - LIVE：直播 - EDUCATION：教培 - CUSTOMER：客服 - STORYTELLING：故事 默认值：DEFAULT。 | 是 | 情感/风格类型。音色资产需要支持对应的情感类型，否则使用通用情感合成。 [查询资产列表](https://support.huaweicloud.com/api-metastudio/ListAssets.html)接口参数"asset_file_category"的值为"OTHER"时，对应"file_name"的值，与type属性值相同。 | - **标签关系** 可以包含文本，也可以包含其他标签，包括\、\、\和\。 - **备注** ``` 今天是个好天气。 ``` #### insert-action标签 - **描述** \：动作标签，可在文本的指定位置插入动作。 - **语法** ``` ``` - **属性** 表8属性说明 | 属性名称 | 属性类型 | 属性值 | 是否必选 | 描述 | |:---|:---|:---|:---|:---| | name | String | 动作名称 | 否 | 动作名称，通过[查询资产详情](https://support.huaweicloud.com/api-metastudio/ShowAsset.html)接口查询获取"action_name_zh"或"action_name_en"参数的值。 | | tag | String | 动作标识 | 否 | 动作标识，通过[查询资产详情](https://support.huaweicloud.com/api-metastudio/ShowAsset.html)接口查询获取"tag"参数的值。 | - **标签关系** 可以包含文本，不可以包含其他标签。 - **备注** ``` 你好呀 ```