SSML标记语言介绍

概述

SSML 是一种基于 XML 的语音合成标记语言。使用 SSML 可以更加准确、具体的定义合成音频的效果，包括控制断句分词方式、发音、速度、停顿、声调和音量等特征。相比文本输入进行合成，有更好的操作灵活性。

华为云语音合成服务的SSML实现，基于W3C的语音合成标记语言版本1.1，但并不支持W3C包含的所有的标记类型。目前仅华小飞，华小美，华小龙，华小蕊合成支持 SSML功能。该特性与语言无关。发音人property取值详见语音合成。

• 华小飞（朝气男声）：chinese_huaxiaofei_common，支持8k/16k采样率。
• 华小美（温柔女声）：chinese_huaxiaomei_common，支持8k/16k采样率。
• 华小龙（朝气男声）：chinese_huaxiaolong_common，支持16k采样率。
• 华小蕊（知性女声）：chinese_huaxiaorui_common，支持16k采样率。

使用方式

语音合成服务支持的SSML标签请参见标签。详情请参考文档下方各标签的介绍和示例。语音合成的SSML功能支持多个 <say-as> 标签闭合嵌套于文本之中，如：

{
"text": "<speak>文本<break time=\"15ms\"/>本文, <say-as interpret-as=\"money\">15.55 RMB</say-as></speak>"
}

将带标签的文本作为text的参数值，上传至语音服务进行调用，以Java SDK为例：

使用postman调用格式如下：

标签

1. <speak>

   描述：SSML文本的根节点

   语法：

   <speak>这里输入SSML标签的文本</speak>

   属性：无

   标签关系： <speak> 可以包含文本和以下标签：

   • <break>
   • <phoneme>
   • <say-as>
   • <sub>
2. <break>

   描述：在任意位置，插入一个静音停顿

   语法：

   <!-- 空属性 -->
   <break/>
   <!-- 指定长度 -->
   <break time="string"/>
   <!-- 指定长度类 -->
   <break strength="string"/>

   属性：

   表1 标签属性

   属性名称	属性类型	属性值	是否必选	描述
   time	String	[number]s/[number]ms	否	以s/ms为单位设置静音持续时间 (如："1s", "500ms")。 最大静音时间为10s。（华小龙，华小蕊不支持该属性）
   strength	String	以下之一：none, x-weak, weak, medium,strong, x-strong	否	定义韵律（none=没有韵律，x-weak=很短，x-strong=很长）

   标签关系：<break> 是空标签，不能包含任何标签。

   示例：

   一句话<break/>另外一句话
   一句话<break time="20ms"/>另外一句话
   一句话<break strength="strong"/>另外一句话

3. <phoneme>

   描述:改变英文单词或中文多音字的发音。

   语法：

   <phoneme ph="string">这里输入字母</phoneme>
   

   属性：

   表2 标签属性

   属性名称	属性类型	属性值	是否必选	描述
   ph	String	拼音，CMU词典音素	是	Pronunciation。

   标签关系： <phoneme> 可以包含文本，不可以包含其他SSML标签。

   示例：

   今天<phoneme ph="tian1 qi1">天气</phoneme>很好
   The <phoneme ph="W EH1 DH AH0">weather</phoneme> is very good.

4. <say-as>

   描述:将文本解释为特定的类型内容，或者控制英文单词逐个字符拼写。

   语法：

   <say-as interpret-as="string">这里输入字母</say-as>
   

   属性：

   表3 标签属性

   属性名称	属性类型	属性值	是否必选	描述
   iterpret-as	String	以下之一：money, date, figure,phone, english, spell;具体含义参考下表。	是	将内容解释为给定类型。

   表4 iterpret-as类型说明

   类型	描述
   money	钱
   date	日期
   figure	数次
   phone	电话号码
   english	英文单词
   spell	逐个字母读英文

   标签关系： 可以包含文本 。

   示例：

   今天<phoneme ph="tian1 qi1">天气</phoneme>很好
   The <phoneme ph="W EH1 DH AH0">weather</phoneme> is very good.

   <say-as interpret-as="money">15.55 RMB</say-as>
   <say-as interpret-as="date">2022/3/8</say-as>
   <say-as interpret-as="figure">175 厘米</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>

5. <sub>

   描述：用其他词语代替合成文本中的词语。

   语法：

   <sub alias="string">这里输入字母</sub>

   属性：

   表5 标签属性

   属性名称	属性类型	属性值	是否必选	描述
   alias	String	替代值	是	将标记的内容替换为此值。

   标签关系： 可以包含文本 。

   示例：

   <sub alias="保罗">Paul</sub>是德国人