Beszédszintézis korrektúranyelv használata

  • 5 perc

Bár az Azure AI Speech SDK lehetővé teszi, hogy egyszerű szöveget küldjön a beszédszintézishez (például a SpeakTextAsync() metódussal), a szolgáltatás egy XML-alapú szintaxist is támogat a létrehozni kívánt beszéd jellemzőinek leírásához. Ez a beszédszintézis-korrektúranyelv (SSML) szintaxisa nagyobb mértékben szabályozza a beszélt kimenet hangját, így a következő lehetőségek közül választhat:

  • Adjon meg beszédstílust, például "izgatott" vagy "vidám" szöveget neurális hang használatakor.
  • Szúrjon be szüneteket vagy csendet.
  • Adja meg a fonetikus kiejtéseket, például az "SQL" szöveg "folytatásként" való kiejtéséhez.
  • Állítsa be a hang produkcióját (hatással van a hangmagasságra, a hangmagasságra és a beszéd sebességére).
  • Használjon gyakori "say-as" szabályokat, például annak megadásához, hogy egy adott sztringet dátumként, időpontként, telefonszámként vagy más formában kell kifejezni.
  • Szúrjon be rögzített beszédet vagy hangot, például egy szabványos rögzített üzenetet, vagy szimulálja a háttérzajt.

Vegyük például a következő SSML-t:

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" 
                     xmlns:mstts="https://www.w3.org/2001/mstts" xml:lang="en-US"> 
    <voice name="en-US-AriaNeural"> 
        <mstts:express-as style="cheerful"> 
          I say tomato 
        </mstts:express-as> 
    </voice> 
    <voice name="en-US-GuyNeural"> 
        I say <phoneme alphabet="sapi" ph="t ao m ae t ow"> tomato </phoneme>. 
        <break strength="weak"/>Lets call the whole thing off! 
    </voice> 
</speak>

Ez az SSML két különböző neurális hang közötti beszélt párbeszédablakot ad meg, például:

  • Ariana (vidáman): "Azt mondom paradicsom:
  • Guy: "Azt mondom paradicsom (kifejezett tom-ah-toe) ... Hívjuk le az egészet!"

Ha SSML-leírást szeretne küldeni a Speech szolgáltatásnak, használhatja a SpeakSsmlAsync() metódust, például a következőt:

speechSynthesizer.SpeakSsmlAsync(ssml_string);

Az SSML-ről további információt az Azure AI Speech SDK dokumentációjában talál.