Synthese verbeteren met Speech Synthesis Markup Language (SSML)

SSML (Speech Synthesis Markup Language) is een op XML gebaseerde markup-taal waarmee ontwikkelaars kunnen opgeven hoe invoertekst wordt geconverteerd naar gesynthetiseerde spraak met behulp van de tekst-naar-spraakservice. Vergeleken met tekst zonder opmaak kunnen ontwikkelaars dankzij SSML de toonhoogte, de uitspraak, de spreeksnelheid, het volume en meer van de tekst-naar-spraakuitvoer afstemmen. Normale interpunctie, zoals het pauzeren na een punt of het gebruik van de juiste intonatie wanneer een zin eindigt op een vraagteken, worden automatisch verwerkt.

De speech-service-implementatie van SSML is gebaseerd op World Wide Web Consortium Speech Synthesis Markup Language versie 1.0 van de World Wide Web Consortium.

Neurale en aangepaste stemmen

Gebruik een menselijke neurale stem of maak uw eigen aangepaste stem die uniek is voor uw product of merk. Zie Taalondersteuning voor een volledige lijst met ondersteunde talen, talen en stemmen. Zie Overzicht van tekst-naar-spraak voor meer informatie over neurale en aangepaste stemmen.

Speciale tekens

Houd er bij het gebruik van SSML rekening mee dat speciale tekens, zoals aanhalingstekens, apostroofs en haakjes, van een escape-teken moeten worden uitgesloten. Zie voor meer informatie Extensible Markup Language (XML) 1.0: Bijlage D.

Ondersteunde SSML-elementen

Elk SSML-document wordt gemaakt met SSML-elementen (of tags). Deze elementen worden gebruikt om toonhoogte, prosody, volume en meer aan te passen. In de volgende secties wordt beschreven hoe elk element wordt gebruikt en wanneer een element vereist of optioneel is.

Een SSML-document maken

speak is het hoofdelement en is vereist voor alle SSML-documenten. Het element bevat belangrijke informatie, zoals versie, taal en de definitie van de speak woordenlijst voor markeringen.

Syntaxis

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="string"></speak>

Kenmerken

Een stem kiezen voor tekst-naar-spraak

Het voice element is vereist. Deze wordt gebruikt om de stem op te geven die wordt gebruikt voor tekst-naar-spraak.

Syntaxis

<voice name="string">
    This text will get converted into synthesized speech.
</voice>

Kenmerken

Voorbeeld

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-ChristopherNeural">
        This is the text that is spoken.
    </voice>
</speak>

Meerdere stemmen gebruiken

In het speak -element kunt u meerdere stemmen opgeven voor tekst-naar-spraak-uitvoer. Deze stemmen kunnen in verschillende talen zijn. Voor elke stem moet de tekst worden verpakt in een voice -element.

Kenmerken

Voorbeeld

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-JennyNeural">
        Good morning!
    </voice>
    <voice name="en-US-ChristopherNeural">
        Good morning to you too Jenny!
    </voice>
</speak>

Spreekstijlen aanpassen

De tekst-naar-spraak-service synthetiseert standaard tekst met een neutrale spreekstijl voor neurale stemmen. U kunt de spreekstijl aanpassen om verschillende emoties uit te drukken, zoals gevoel, empathie en rustig, of de stem optimaliseren voor verschillende scenario's, zoals klantenservice, newscasting en spraakassistent, met behulp van het mstts:express-as -element. Dit is een optioneel element dat uniek is voor de spraakservice.

Op dit moment worden aanpassingen in de spreekstijl ondersteund voor de volgende neurale stemmen:

• en-US-AriaNeural
• en-US-JennyNeural
• en-US-GuyNeural
• en-US-SaraNeural
• ja-JP-NanamiNeural
• pt-BR-FranciscaNeural
• zh-CN-XiaoxiaoNeural
• zh-CN-YunyangNeural
• zh-CN-YunyeNeural
• zh-CN-YunxiNeural
• zh-CN-XiaohanNeural
• zh-CN-XiaomoNeural
• zh-CN-XiaoxuanNeural
• zh-CN-XiaoruiNeural
• zh-CN-XiaoshuangNeural

De intensiteit van de spreekstijl kan verder worden gewijzigd om beter bij uw gebruikscase te passen. U kunt een sterkere of zachte stijl opgeven met om de spraak expressiever of styledegree gedreigder te maken. Op dit moment worden aanpassingen in de spreekstijl ondersteund voor chinese neurale stemmen (Mandarijn, Vereenvoudigd).

Naast het aanpassen van de spreekstijlen en de mate van stijl, kunt u ook de parameter aanpassen zodat de stem een andere leeftijd en een ander role geslacht zal nabootsen. Een mannenstem kan bijvoorbeeld de toonhoogte verhogen en de intonatie wijzigen om een vrouwenstem te imiteren, maar de naam van de stem wordt niet gewijzigd. Op dit moment worden rolaanpassingen ondersteund voor deze Chinese neurale stemmen (Mandarijn, Vereenvoudigd) :

• zh-CN-XiaomoNeural
• zh-CN-XiaoxuanNeural

Bovenstaande wijzigingen worden toegepast op zinsniveau en stijlen en rollen kunnen per stem verschillen. Als een stijl of rollenspel niet wordt ondersteund, retournt de service gesproken tekst op de standaardneutrale manier. U kunt zien welke stijlen en rollen worden ondersteund voor elke stem via de spraaklijst-API of via het codeloze audio-inhoud maken platform.

Syntaxis

<mstts:express-as style="string"></mstts:express-as>

<mstts:express-as style="string" styledegree="value"></mstts:express-as>

<mstts:express-as role="string" style="string"></mstts:express-as>

Kenmerken

Gebruik deze tabel om te bepalen welke spreekstijlen worden ondersteund voor elke neurale stem.

Gebruik deze tabel om de ondersteunde rollen en hun definities te controleren.

Voorbeeld

Dit SSML-fragment laat zien hoe het element wordt gebruikt <mstts:express-as> om de spreekstijl te wijzigen in cheerful .

<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">
            That'd be just amazing!
        </mstts:express-as>
    </voice>
</speak>

In dit SSML-fragment ziet u hoe het kenmerk wordt gebruikt om de intensiteit van de spreekstijl voor styledegree HebtxiaoNeural te wijzigen.

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis"
       xmlns:mstts="https://www.w3.org/2001/mstts" xml:lang="zh-CN">
    <voice name="zh-CN-XiaoxiaoNeural">
        <mstts:express-as style="sad" styledegree="2">
            快走吧，路上一定要注意安全，早去早回。
        </mstts:express-as>
    </voice>
</speak>

In dit SSML-fragment ziet u hoe het kenmerk wordt gebruikt om het rollenspel role voorPetmoNeural te wijzigen.

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis"
       xmlns:mstts="https://www.w3.org/2001/mstts" xml:lang="zh-CN">
    <voice name="zh-CN-XiaomoNeural">
        女儿看见父亲走了进来，问道：
        <mstts:express-as role="YoungAdultFemale" style="calm">
            “您来的挺快的，怎么过来的？”
        </mstts:express-as>
        父亲放下手提包，说：
        <mstts:express-as role="OlderAdultMale" style="calm">
            “刚打车过来的，路上还挺顺畅。”
        </mstts:express-as>
    </voice>
</speak>

Talen aanpassen

U kunt spreektalen aanpassen voor neurale stemmen. Schakel één stem in om verschillende talen vloeiend te spreken (zoals Engels, Spaans en Chinees) met behulp van het <lang xml:lang> -element. Dit is een optioneel element dat uniek is voor de spraakservice. Zonder dit element spreekt de stem de primaire taal. Op dit moment worden aanpassingen in de taaltaal ondersteund voor deze neurale stemmen: en-US-JennyMultilingualNeural . Bovenstaande wijzigingen worden toegepast op zinsniveau en woordniveau. Als een taal niet wordt ondersteund, retournt de service geen audiostream.

Syntaxis

<lang xml:lang="string"></lang>

Kenmerken

Gebruik deze tabel om te bepalen welke spreektalen worden ondersteund voor elke neurale stem.

Voorbeeld

Dit SSML-fragment laat zien hoe u kunt gebruiken <lang xml:lang> om de spreektalen te wijzigen in en en-US es-MX de-DE .

<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-JennyMultilingualNeural">
        I am looking forward to the exciting things.
        <lang xml:lang="es-MX">
            Estoy deseando que lleguen las cosas emocionantes.
        </lang>
        <lang xml:lang="de-DE">
            Ich freue mich auf die spannenden Dinge.
        </lang>
    </voice>
</speak>

Een onderbreking/pauze toevoegen of verwijderen

Gebruik het -element om pauzes (of onderbrekingen) in te voegen tussen woorden of om te voorkomen dat pauzes automatisch worden toegevoegd door de break text-to-speech-service.

Syntaxis

<break strength="string" />
<break time="string" />

Kenmerken

Voorbeeld

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-ChristopherNeural">
        Welcome to Microsoft Cognitive Services <break time="100ms" /> Text-to-Speech API.
    </voice>
</speak>

Stilte toevoegen

Gebruik het element om pauzes voor of na tekst in te voegen, of mstts:silence tussen de twee aangrenzende zinnen.

Syntaxis

<mstts:silence  type="string"  value="string"/>

Kenmerken

Voorbeeld In dit voorbeeld wordt gebruikt om 200 ms stilte toe te mtts:silence voegen tussen twee zinnen.

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
<voice name="en-US-ChristopherNeural">
<mstts:silence  type="Sentenceboundary" value="200ms"/>
If we’re home schooling, the best we can do is roll with what each day brings and try to have fun along the way.
A good place to start is by trying out the slew of educational apps that are helping children stay happy and smash their schooling at the same time.
</voice>
</speak>

Alinea's en zinnen opgeven

p elementen s en worden gebruikt om respectievelijk alinea's en zinnen aan te duiden. Als deze elementen ontbreken, bepaalt de text-to-speech-service automatisch de structuur van het SSML-document.

Het p element kan tekst en de volgende elementen bevatten: , , audio , , , , en break phoneme prosody say-as sub mstts:express-as s .

Het s element kan tekst en de volgende elementen bevatten: , audio , , , , en break phoneme prosody say-as mstts:express-as sub .

Syntaxis

<p></p>
<s></s>

Voorbeeld

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-ChristopherNeural">
        <p>
            <s>Introducing the sentence element.</s>
            <s>Used to mark individual sentences.</s>
        </p>
        <p>
            Another simple paragraph.
            Sentence structure in this paragraph is not explicitly marked.
        </p>
    </voice>
</speak>

Phonemes gebruiken om uitspraak te verbeteren

Het ph element wordt gebruikt voor de uitspraak van de telefoon in SSML-documenten. Het ph element kan alleen tekst bevatten, geen andere elementen. Bied altijd door mensen leesbare spraak als terugval.

Telefoon alfabetische alfabeten bestaan uit telefoons, die bestaan uit letters, cijfers of tekens, soms in combinatie. Elke telefoon beschrijft een uniek spraakgeluid. Dit is in tegenstelling tot het Latijnse alfabet, waarbij een letter meerdere gesproken geluiden kan vertegenwoordigen. Houd rekening met de verschillende uitspraak van de letter 'c' in de woorden 'candy' en 'cease', of de verschillende uitspraak van de lettercombinatie 'th' in de woorden 'ding' en 'die'.

Syntaxis

<phoneme alphabet="string" ph="string"></phoneme>

Kenmerken

Voorbeelden

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-ChristopherNeural">
        <phoneme alphabet="ipa" ph="təˈmeɪtoʊ"> tomato </phoneme>
    </voice>
</speak>

<speak version="1.0" xmlns="https://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-ChristopherNeural">
        <phoneme alphabet="sapi" ph="iy eh n y uw eh s"> en-US </phoneme>
    </voice>
</speak>

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-ChristopherNeural">
        <s>His name is Mike <phoneme alphabet="ups" ph="JH AU"> Zhou </phoneme></s>
    </voice>
</speak>

Aangepast woordencon gebruiken om uitspraak te verbeteren

Soms kan de text-to-speech-service een woord niet nauwkeurig uitveren. Bijvoorbeeld de naam van een bedrijf, een medische term of een emoji. Ontwikkelaars kunnen definiëren hoe afzonderlijke entiteiten worden gelezen in SSML met behulp van de phoneme sub tags en . Als u echter wilt definiëren hoe meerdere entiteiten worden gelezen, kunt u een aangepast woordencon maken met behulp van de lexicon tag .

Syntaxis

<lexicon uri="string"/>

Kenmerken

Gebruik

Als u wilt definiëren hoe meerdere entiteiten worden gelezen, kunt u een aangepast woordencon maken dat wordt opgeslagen als een .xml of .pls-bestand. Hier volgt een voorbeeld van .xml bestand.

<?xml version="1.0" encoding="UTF-8"?>
<lexicon version="1.0"
      xmlns="http://www.w3.org/2005/01/pronunciation-lexicon"
      xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
      xsi:schemaLocation="http://www.w3.org/2005/01/pronunciation-lexicon
        http://www.w3.org/TR/2007/CR-pronunciation-lexicon-20071212/pls.xsd"
      alphabet="ipa" xml:lang="en-US">
  <lexeme>
    <grapheme>BTW</grapheme>
    <alias>By the way</alias>
  </lexeme>
  <lexeme>
    <grapheme> Benigni </grapheme>
    <phoneme> bɛˈniːnji</phoneme>
  </lexeme>
  <lexeme>
    <grapheme>😀</grapheme>
    <alias>test emoji</alias>
  </lexeme>
</lexicon>

Het lexicon element bevat ten minste één lexeme element. Elk lexeme element bevat ten minste één element en een of meer elementen , en grapheme grapheme alias phoneme . Het grapheme element bevat tekst die de orthografie beschrijft. De elementen worden gebruikt om de uitspraak van een acroniem of een alias verkorte term aan te geven. Het phoneme element biedt tekst waarin wordt beschreven hoe de wordt lexeme uitgesproken. Wanneer alias en element worden geleverd met hetzelfde phoneme grapheme element, heeft een hogere alias prioriteit.

Lexicon bevat het kenmerk dat nodig is om aan te geven op welke taal xml:lang moet worden toegepast. Eén aangepast woordencon is per ontwerp beperkt tot één taal, dus pas het toe op een andere taal.

Het is belangrijk te weten dat u de uitspraak van een woordgroep niet rechtstreeks kunt instellen met behulp van het aangepaste woordencon. Als u de uitspraak voor een acroniem of een verkorte term moet instellen, geeft u eerst een op en koppelt u de alias phoneme aan die alias . Bijvoorbeeld:

  <lexeme>
    <grapheme>Scotland MV</grapheme>
    <alias>ScotlandMV</alias>
  </lexeme>
  <lexeme>
    <grapheme>ScotlandMV</grapheme>
    <phoneme>ˈskɒtlənd.ˈmiːdiəm.weɪv</phoneme>
  </lexeme>

U kunt ook rechtstreeks uw verwachte voor de afkorting of alias verkorte term verstrekken. Bijvoorbeeld:

  <lexeme>
    <grapheme>Scotland MV</grapheme>
    <alias>Scotland Media Wave</alias>
  </lexeme>

Zie Voor meer informatie over het aangepaste woordenlijstbestand Pronunciation Lexicon Specification (PLS) versie 1.0.

Publiceer vervolgens uw aangepaste woordenconbestand. Hoewel we geen beperkingen hebben voor waar dit bestand kan worden opgeslagen, raden we u aan Azure Blob-bestanden te Storage.

Nadat u uw aangepaste woordencon hebt gepubliceerd, kunt u hier vanuit uw SSML naar verwijzen.

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis"
          xmlns:mstts="http://www.w3.org/2001/mstts"
          xml:lang="en-US">
    <voice name="en-US-ChristopherNeural">
        <lexicon uri="http://www.example.com/customlexicon.xml"/>
        BTW, we will be there probably at 8:00 tomorrow morning.
        Could you help leave a message to Robert Benigni for me?
    </voice>
</speak>

Wanneer u dit aangepaste woordencon gebruikt, wordt 'BTW' gelezen als 'By the way'. 'Benigni' wordt gelezen met de opgegeven IPA -bɛˈniːnji.

Omdat het eenvoudig is om fouten te maken in aangepaste woordencon, heeft Microsoft een validatieprogramma voor aangepast woordencon geleverd. Het bevat gedetailleerde foutberichten die u helpen fouten te vinden. Voordat u SSML met aangepast woordencon naar de Speech-service verzendt, moet u uw aangepaste woordencon controleren met dit hulpprogramma.

Beperkingen

• Bestandsgrootte: de maximale grootte van een aangepast woordenconbestand is 100 KB. Als deze grootte is bereikt, mislukt de syntheseaanvraag.
• Cachevernieuwing voor woordencache: aangepast woordencon wordt in de cache opgeslagen met URI als sleutel in de TTS-service wanneer deze voor het eerst wordt geladen. Woordencon met dezelfde URI wordt niet binnen 15 minuten opnieuw geladen, dus moet de wijziging van aangepaste woordenwissels tot wel 15 minuten wachten om van kracht te worden.

Telefoonsets voor speech-service

In het bovenstaande voorbeeld gebruiken we het International Phonetic Alphabet, ook wel bekend als de IPA-telefoonset. We raden ontwikkelaars aan de IPA te gebruiken, omdat dit de internationale standaard is. Voor sommige IPA-tekens hebben ze de versie 'vooraf' en 'ontleding' wanneer ze worden weergegeven met Unicode. Aangepast woordencon ondersteunt alleen de gedecomprimeerde unicodes.

Gezien het feit dat de IPA niet gemakkelijk te onthouden is, definieert de Speech-service een f phonetische set voor zeven talen ( en-US , , , , , , en fr-FR de-DE es-ES ja-JP zh-CN zh-TW ).

U kunt de gebruiken x-microsoft-sapi als de waarde voor het kenmerk met aangepaste alphabet woordencons, zoals hieronder wordt gedemonstreerd:

<?xml version="1.0" encoding="UTF-8"?>
<lexicon version="1.0"
      xmlns="http://www.w3.org/2005/01/pronunciation-lexicon"
      xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
      xsi:schemaLocation="http://www.w3.org/2005/01/pronunciation-lexicon
        http://www.w3.org/TR/2007/CR-pronunciation-lexicon-20071212/pls.xsd"
      alphabet="x-microsoft-sapi" xml:lang="en-US">
  <lexeme>
    <grapheme>BTW</grapheme>
    <alias> By the way </alias>
  </lexeme>
  <lexeme>
    <grapheme> Benigni </grapheme>
    <phoneme> b eh 1 - n iy - n y iy </phoneme>
  </lexeme>
</lexicon>

Zie de phonetic sets van de Speech-service voor meer informatie over het gedetailleerde alfabet van de Speech-service.

Prosody aanpassen

Het element wordt gebruikt om wijzigingen in de toonhoogte, contour, bereik, snelheid, duur en volume voor de prosody tekst-naar-spraak-uitvoer op te geven. Het prosody element kan tekst en de volgende elementen bevatten: , , audio , , , , en break p phoneme prosody say-as sub s .

Omdat de prosodische kenmerkwaarden kunnen variëren binnen een breed bereik, interpreteert de spraakherkenning de toegewezen waarden als een suggestie van wat de werkelijke prosodische waarden van de geselecteerde stem moeten zijn. De tekst-naar-spraak-service beperkt of vervangt waarden die niet worden ondersteund. Voorbeelden van niet-ondersteunde waarden zijn een pitch van 1 MHz of een volume van 120.

Syntaxis

<prosody pitch="value" contour="value" range="value" rate="value" duration="value" volume="value"></prosody>

Kenmerken

Spreeksnelheid wijzigen

De spreeksnelheid kan worden toegepast op neurale stemmen en standaardstemmen op woord- of zinsniveau.

Voorbeeld

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-ChristopherNeural">
        <prosody rate="+30.00%">
            Welcome to Microsoft Cognitive Services Text-to-Speech API.
        </prosody>
    </voice>
</speak>

Volume wijzigen

Volumewijzigingen kunnen worden toegepast op standaardstemmen op woord- of zinsniveau. Terwijl volumewijzigingen alleen kunnen worden toegepast op neurale stemmen op zinsniveau.

Voorbeeld

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-ChristopherNeural">
        <prosody volume="+20.00%">
            Welcome to Microsoft Cognitive Services Text-to-Speech API.
        </prosody>
    </voice>
</speak>

Pitch wijzigen

Pitchwijzigingen kunnen worden toegepast op standaardstemmen op woord- of zinsniveau. Terwijl pitchwijzigingen alleen kunnen worden toegepast op neurale stemmen op zinsniveau.

Voorbeeld

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-ChristopherNeural">
        Welcome to <prosody pitch="high">Microsoft Cognitive Services Text-to-Speech API.</prosody>
    </voice>
</speak>

De omtrek van de pitch wijzigen

Voorbeeld

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-ChristopherNeural">
        <prosody contour="(60%,-60%) (100%,+80%)" >
            Were you the only person in the room?
        </prosody>
    </voice>
</speak>

say-as-element

say-as is een optioneel element dat het inhoudstype (zoals getal of datum) van de tekst van het element aangeeft. Dit biedt richtlijnen voor de engine voor spraaksynthese over het opsnuiten van de tekst.

Syntaxis

<say-as interpret-as="string" format="digit string" detail="string"> </say-as>

Kenmerken

Hier volgen de ondersteunde inhoudstypen voor de interpret-as kenmerken format en . Neem het format kenmerk alleen op als is ingesteld op datum en interpret-as tijd.

Gebruik

Het say-as element kan alleen tekst bevatten.

Voorbeeld

De spraaksynthese-engine spreekt het volgende voorbeeld uit als 'Uw eerste aanvraag was voor één kamer op oktober en twintig met een vroege aankomst om 123.00 uur'.

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-ChristopherNeural">
        <p>
        Your <say-as interpret-as="ordinal"> 1st </say-as> request was for <say-as interpret-as="cardinal"> 1 </say-as> room
        on <say-as interpret-as="date" format="mdy"> 10/19/2010 </say-as>, with early arrival at <say-as interpret-as="time" format="hms12"> 12:35pm </say-as>.
        </p>
    </voice>
</speak>

Opgenomen audio toevoegen

audio is een optioneel element waarmee u MP3-audio in een SSML-document kunt invoegen. De body van het audio-element kan tekst zonder tekst of SSML-markup bevatten die wordt uitgesproken als het audiobestand niet beschikbaar of niet kan worden afspelen. Daarnaast kan het element tekst en de volgende audio elementen bevatten: audio , , , , , , , en break p s phoneme prosody say-as sub .

Audio die in het SSML-document is opgenomen, moet aan de volgende vereisten voldoen:

• De MP3 moet worden gehost op een HTTPS-eindpunt dat toegankelijk is via internet. HTTPS is vereist en het domein dat als host voor het MP3-bestand wordt gebruikt, moet een geldig, vertrouwd TLS/SSL-certificaat presenteren.
• De MP3 moet een geldig MP3-bestand (MPEG v2) zijn.
• De bitsnelheid moet 48 kbps zijn.
• De samplefrequentie moet 16.000 Hz zijn.
• De gecombineerde totale tijd voor alle tekst- en audiobestanden in één antwoord mag niet langer zijn dan negentig (90) seconden.
• De MP3 mag geen klantspecifieke of andere gevoelige informatie bevatten.

Syntaxis

<audio src="string"/></audio>

Kenmerken

Voorbeeld

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-ChristopherNeural">
        <p>
            <audio src="https://contoso.com/opinionprompt.wav"/>
            Thanks for offering your opinion. Please begin speaking after the beep.
            <audio src="https://contoso.com/beep.wav">
                Could not play the beep, please voice your opinion now.
            </audio>
        </p>
    </voice>
</speak>

Achtergrondgeluid toevoegen

Met mstts:backgroundaudio het element kunt u achtergrondgeluid toevoegen aan uw SSML-documenten (of een audiobestand combineren met tekst-naar-spraak). Met kunt u een audiobestand op de achtergrond herhalen, vervaagd aan het begin van tekst-naar-spraak en vervaagt u aan het einde van mstts:backgroundaudio tekst-naar-spraak.

Als de opgegeven achtergrondaudio korter is dan de tekst-naar-spraak of vervaagt, wordt deze herhaald. Als het langer is dan de tekst-naar-spraak, stopt deze wanneer het vervaagt is voltooid.

Er is slechts één audiobestand op de achtergrond toegestaan per SSML-document. U kunt echter tags tussen het element invoegen om extra audio toe te audio voice voegen aan uw SSML-document.

Syntaxis

<mstts:backgroundaudio src="string" volume="string" fadein="string" fadeout="string"/>

Kenmerken

Voorbeeld

<speak version="1.0" xml:lang="en-US" xmlns:mstts="http://www.w3.org/2001/mstts">
    <mstts:backgroundaudio src="https://contoso.com/sample.wav" volume="0.7" fadein="3000" fadeout="4000"/>
    <voice name="Microsoft Server Speech Text to Speech Voice (en-US, ChristopherNeural)">
        The text provided in this document will be spoken over the background audio.
    </voice>
</speak>

Het element Bladwijzer

Met het element Bladwijzer kunt u aangepaste markeringen invoegen in SSML om de offset van elke markering in de audiostroom op te halen. We lezen de bladwijzerelementen niet uit. Het element bladwijzer kan worden gebruikt om te verwijzen naar een specifieke locatie in de tekst- of tagreeks.

Syntaxis

<bookmark mark="string"/>

Kenmerken

Voorbeeld

Als voorbeeld wilt u mogelijk de tijdsver offset van elk bloemwoord weten als volgt

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-AriaNeural">
        We are selling <bookmark mark='flower_1'/>roses and <bookmark mark='flower_2'/>daisies.
    </voice>
</speak>

Bladwijzers op halen met behulp van speech-SDK

U kunt zich abonneren op de BookmarkReached gebeurtenis in speech-SDK om de bladwijzer-offsets op te halen.

BookmarkReached -gebeurtenissen worden verhoogd naarmate de audiogegevens van de uitvoer beschikbaar komen, wat sneller is dan het afspelen naar een uitvoerapparaat.

• AudioOffset rapporteert de verstreken tijd van de uitvoeraudio tussen het begin van de synthese en het bladwijzerelement. Dit wordt gemeten in eenheden van honderd nanoseconden (HNS) met 10.000 HNS gelijk aan 1 milliseconde.
• Text is de referentietekst van het bladwijzerelement. Dit is de tekenreeks die u in het kenmerk in mark stelt.

synthesizer.BookmarkReached += (s, e) =>
{
    // The unit of e.AudioOffset is tick (1 tick = 100 nanoseconds), divide by 10,000 to convert to milliseconds.
    Console.WriteLine($"Bookmark reached. Audio offset: " +
        $"{e.AudioOffset / 10000}ms, bookmark text: {e.Text}.");
};

Bookmark reached. Audio offset: 825ms, bookmark text: flower_1.
Bookmark reached. Audio offset: 1462.5ms, bookmark text: flower_2.

synthesizer->BookmarkReached += [](const SpeechSynthesisBookmarkEventArgs& e)
{
    cout << "Bookmark reached. "
        // The unit of e.AudioOffset is tick (1 tick = 100 nanoseconds), divide by 10,000 to convert to milliseconds.
        << "Audio offset: " << e.AudioOffset / 10000 << "ms, "
        << "bookmark text: " << e.Text << "." << endl;
};

Bookmark reached. Audio offset: 825ms, bookmark text: flower_1.
Bookmark reached. Audio offset: 1462.5ms, bookmark text: flower_2.

synthesizer.BookmarkReached.addEventListener((o, e) -> {
    // The unit of e.AudioOffset is tick (1 tick = 100 nanoseconds), divide by 10,000 to convert to milliseconds.
    System.out.print("Bookmark reached. Audio offset: " + e.getAudioOffset() / 10000 + "ms, ");
    System.out.println("bookmark text: " + e.getText() + ".");
});

Bookmark reached. Audio offset: 825ms, bookmark text: flower_1.
Bookmark reached. Audio offset: 1462.5ms, bookmark text: flower_2.

# The unit of evt.audio_offset is tick (1 tick = 100 nanoseconds), divide it by 10,000 to convert to milliseconds.
speech_synthesizer.bookmark_reached.connect(lambda evt: print(
    "Bookmark reached: {}, audio offset: {}ms, bookmark text: {}.".format(evt, evt.audio_offset / 10000, evt.text)))

Bookmark reached, audio offset: 825ms, bookmark text: flower_1.
Bookmark reached, audio offset: 1462.5ms, bookmark text: flower_2.

synthesizer.bookmarkReached = function (s, e) {
    window.console.log("(Bookmark reached), Audio offset: " + e.audioOffset / 10000 + "ms, bookmark text: " + e.text);
}

(Bookmark reached), Audio offset: 825ms, bookmark text: flower_1.
(Bookmark reached), Audio offset: 1462.5ms, bookmark text: flower_2.

[synthesizer addBookmarkReachedEventHandler: ^ (SPXSpeechSynthesizer *synthesizer, SPXSpeechSynthesisBookmarkEventArgs *eventArgs) {
    // The unit of AudioOffset is tick (1 tick = 100 nanoseconds), divide by 10,000 to converted to milliseconds.
    NSLog(@"Bookmark reached. Audio offset: %fms, bookmark text: %@.", eventArgs.audioOffset/10000., eventArgs.text);
}];

Bookmark reached. Audio offset: 825ms, bookmark text: flower_1.
Bookmark reached. Audio offset: 1462.5ms, bookmark text: flower_2.

Volgende stappen

• Taalondersteuning: stemmen, talen, talen