首页 > AI > AI基础产品 > 语音合成 > 正文

腾讯云语音合成SSML 标记语言_AI解决方案_同尘科技

语音合成 1年前 (2023-12-13) 浏览 76

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。

说明

腾讯云语音合成服务的 SSML 实现，基于 W3C 的语音合成标记语言版本1.1。

目前只有中文、英文合成支持 SSML 功能。

使用方式

将带标签的文本作为 text 参数值，上传至语音合成服务，发送给语音合成服务的请求内容如下：

{

“Action” : “TextToVoice”,

“AppId” : 12345,

“Codec” : “mp3”,

“Expired” : 1603271036,

“ModelType” : 1,

“PrimaryLanguage” : 1,

“ProjectId” : 0,

“SampleRate” : 8000,

“SecretId” : “AKID****”,

“SessionId” : “1234”,

“Speed” : 0,

“Text” : “<speak>电话号码是<say-as interpret-as=\”telephone\”>4008110510</say-as>。</speak>”,

“Timestamp” : 1603184636,

“VoiceType” : 1002,

“Volume” : 5

}

语音合成支持的 SSML 标签。其中 <speak> 标签中的未定义标签不合成，且 XML 格式错误可能会导致<speak> 标签的合成停止。

语音合成的 SSML 功能支持多个 <speak> 标签闭合嵌套于文本之中。例如：

<speak>她叫<say-as interpret-as=”name”>任盈盈</say-as>。

她的电话号码是<say-as interpret-as=”telephone”>+86-15188888888</say-as>。

她今年<say-as interpret-as=”cardinal”>22</say-as>岁了。

她有一个快递，单号是<say-as interpret-as=”digits”>5648234514237588</say-as>。

她的地址是<say-as interpret-as=”address”>深南大道10000号3单元304</say-as>。

</speak>再补充一下，<speak>

她的用户名是<say-as interpret-as=”characters”>b888_uαβγ</say-as>。

</speak>

标签

<speak>

描述

<speak>标签是所有待支持SSML标签的根节点。一切需要调用SSML标签的文本都要包含在“<speak></speak>”中。speak标签不支持属性。

语法

<speak>需要调用SSML标签的文本</speak>

标签关系

<speak> 标签可以包含文本和以下标签：<break>、<phoneme>、<say-as>、<sub>。

示例

<speak>需要调用SSML标签的文本。</speak>

音频效果：SSML-speak1.wav

<sub>

描述

使用别名替换标签内文本。

语法

<sub alias=”别名”>文本</sub>

属性

属性名称属性类型属性值是否必选描述
aliasString替换后的内容是用于替换标签内的文本。

标签关系

标签仅包括文本。

示例

<speak><sub alias=”语音合成”>TTS</sub></speak>

音频效果：SSML-sub.wav

<break>

描述

用于在文本中插入停顿，该标签是可选标签。使用<break>标签时，<speak>标签中除<break>标签外，必须包含有效文本。

语法

<break time=”string”/>

属性

属性名称属性类型属性值是否必选描述
timeString[number]s/[number]ms是以秒/毫秒为单位设置停顿的时长 （如“2s“、“50ms”）。[number]s：以秒为单位，[number]取值范围为[1, 10]的整数。[number]ms：以毫秒为单位，[number]取值范围为[50, 10000]的整数。

标签关系

<break>是空标签，不能包含任何标签。

示例

<speak>请闭上眼睛休息一下<break time=”500ms”/>好了，请睁开眼睛。</speak>

<phoneme>

描述

用于控制标签内文本的读音，该标签是可选标签。

语法

<phoneme alphabet=”py” ph=”拼音串”>文本</phoneme>

属性名称属性类型属性值是否必选描述
alphabetStringpy是“py”表示拼音。
phString标签内文本对应的拼音串是拼音用法的赋值规范：- 字与字的拼音用空格分隔，拼音的数目必须与字数相等。- 每个拼音由发音和音调组成，音调为1~5的数字编号，其中“5”表示轻声。

标签关系

<phoneme>标签仅包括文本。

示例

<speak>

现状是各地的经济水平是<phoneme alphabet=”py” ph=”cen1 ci1 bu4 qi2″>参差不齐</phoneme>的。需要缩小较弱地域和较强地域的<phoneme alphabet=”py” ph=”cha1 ju4″>差距</phoneme>。要做好这个<phoneme alphabet=”py” ph=”chai1 shi4″>差事</phoneme>可不容易啊。

</speak>

音频效果：SSML-phoneme.wav

<say-as>

描述

用于指示出标签内文本的信息类型，进而按照该类型的默认发音方式发音。

语法

<say-as interpret-as=”string”>文本</say-as>

属性名称属性类型属性值是否必选描述
interpret-asStringcardinal/digits/telephone/name/address/id/characters/punctuation/date/time/currency/measure是指示出标签内文本的信息类型：• cardinal：按整数或小数发音。• digits：按数字发音。• telephone：按电话号码常用方式发音。• name：按人名发音。• address：按地址发音。• id：适用于账户名、昵称等。• characters：将标签内的文本按字符一一读出。• punctuation：将标签内的文本按标点符号的方式读出来。• date：按日期发音。• time：按时间发音。• currency：按金额发音。• measure：按计量单位发音。

各<say-as>类型支持范围

cardinal

格式示例输出说明
数字串1487一千四百八十七整数输入范围：[-18446744073709551615,18446744073709551615]。小数输入范围：对小数点后小数的位数没有特殊限制，建议不超过10位。
负号+数字串-1487负一千四百八十七
以逗号分隔3位数字串10,500一万零五百
负号+以逗号分隔3位数字串-10,500负一万零五百
数字串+小数点+2个零9.00九
负号+数字串+小数点+2个零-110.00负一百一十
数字串+小数点+数字串88.090八十八点零九
负号+数字串+小数点+数字串-88.001负八十八点零零一

digits

格式示例输出说明
数字串356210985三五六二一零九八五对数字串的长度没有特殊限制。建议不超过20位，且当数字串超过10位时，每个数字后插入停顿。

telephone

格式示例输出说明
座机号5605560五六零 五五六零支持7~8位座机号，支持空格和’-‘作为分隔符。其中：7位座机号支持“3-4”的数字分隔方式。8位座机号支持“4-4”的数字分隔方式。
560 5560五六零 五五六零
560-5560五六零 五五六零
55605560五五六零 五五六零
5560 5560五五六零 五五六零
5560-5560五五六零 五五六零
座机号+分机号55605560-105五五六零 五五六零 转幺零五支持1~4位分机号。
55605560转105五五六零 五五六零 转幺零五
55605560分机105五五六零 五五六零 转幺零五
55605560分机号105五五六零 五五六零 分机号幺零五
区号+座机号01055605560零幺零 五五六零 五五六零支持区号：010、02x、03xx、04xx、05xx、07xx、08xx、09xx。
010 55605560零幺零 五五六零 五五六零
010-5560-5560零幺零 五五六零 五五六零
(010)55605560零幺零 五五六零 五五六零
031955605560零三幺九 五五六零 五五六零
0319-55605560零三幺九 五五六零 五五六零
区号+座机号+分机号010 33878528-1054零幺零 三三八七 八五二八 转幺零五四无
010-33878528-1054零幺零 三三八七 八五二八 转幺零五四
(010)33878528-1054零幺零 三三八七 八五二八 转幺零五四
(010)33878528转1054零幺零 三三八七 八五二八 转幺零五四
(010)33878528分机1054零幺零 三三八七 八五二八 分机幺零五四
(010)33878528分机号1054零幺零 三三八七 八五二八 分机号幺零五四
国家代码+区号+座机号86-010-33878528八六 零幺零 三三八七支持国家代码：86、(86)、+86、(+86)、0086。并统一读为“八六”。
(86)10-33878528八六 幺零 三三八七 八五二八
+86-010-33878528八六 零幺零 三三八七 八五二八
0086-10-33878528八六 幺零 三三八七 八五二八
(+86)-10-3387 8528八六 幺零 三三八七 八五二八
国家代码+区号+座机号+分机号(86)21-33878528-1054八六 二幺 三三八七 八五二八 转幺零五四无
(86)021-3387-8528-1054八六 零二幺 三三八七 八五二八 转幺零五四
(86)021-33878528转1054八六 零二幺 三三八七 八五二八 转幺零五四
(86)21-3387-8528分机号1054八六 二幺 三三八七 八五二八 分机号幺零五四
+86-021-3387-8528分机1054八六 零二幺 三三八七 八五二八 分机幺零五四
手机号151 8828 1075幺五幺八八二八 幺零七五支持11位手机号，支持3-3-5、3-4-4两种数字分隔方式
151-882-81075幺五幺 八八二 八幺零七五
151-8828-1075幺五幺八八二八 幺零七五
国家代码+手机号+86-15188281075八六 幺五幺 八八二八 幺零七五无
(+86)-151-8828-1075八六 幺五幺 八八二八 幺零七五
+8615188281075八六 幺五幺 八八二八 幺零七五
0086-151 882 81075八六 幺五幺 八八二 八幺零七五
服务号110幺幺零支持常用的服务号如110。支持以400/800开头的10位服务号，支持以“3-3-4”的数字分隔方式。支持以12530/17951/12593开头的16位号码。
95566九五五六六
4008110280四零零 八幺幺 零二八零
800-810-8888八零零 八幺零 八八八八
1253013520638377幺二五三零 幺三五 二零六三 八三七七
其他(86)(21)8832-80976-0907八六 二幺 八八三二 八零九七六 零九零七支持“数字串+分隔符（左右括号、-）”方式。

address

格式示例输出说明
常用地址格式深南大道1000号103-3深南大道 幺零零零号幺零三杠三支持常用地址格式。此处地址指标准的邮寄地址。
高新中四道377弄1137-1128号高新中四道三七七弄幺幺三七杠幺幺二八号
华润城六期3-1-3805华润城六期三杠一杠三八零五
大族云峰大厦2幢2106室大族云峰大厦二幢二幺零六室
高新中三道151弄19号高新中三道幺五幺弄十九号

id

格式示例输出说明
字符串dell3301D E L L 三 三 零 一大小写英文字符、阿拉伯数字0~9、下划线。输出的空格表示每个字符之间插入停顿，即字符一个一个地读。
tencent_1998T E N C E N T 下划线 一 九 九 八
AiDemoA I D E M O

characters

格式示例输出说明
字符串ISO 1-001-095498-1I S O 一 杠 零 零 一 杠 零 五 四 零 九 八 杠 一支持中文汉字、大小写英文字符、阿拉伯数字0~9以及部分全角和半角字符。输出的空格表示每个字符之间插入停顿，即字符一个一个地读。标签内的文本如果包含XML的特殊字符，需要做字符转义。常用的共有5个：&lt;&gt;&amp;&quot;&apos;分别对应<、>、& 、”、’。
x10u2385_ux 一 零 u 二 三 八 五 下划线 u
v1.1.1v 一 点 一 点 一
版本号2.0版本号二 点 零
粤B BA000粤B B A 零 零 零
空中客车A330空中客车A 三 三 零
型号B01 B02和B03型号B 零 一 B 零二 和B 零 三
αβγ阿尔法 贝塔 伽玛

punctuation

格式示例输出说明
标点符号…省略号支持常见中英文标点。输出的空格表示每个字符之间插入停顿，即字符一个一个地读。标签内的文本如果包含XML的特殊字符，需要做字符转义。常用的共有5个：&lt;&gt;&amp;&quot;&apos;分别对应<、>、& 、”、’。
……省略号
!”#$%&叹号 双引号 井号 dollar 百分号 and
‘()*+单引号 左括号 右括号 星号 加号
,-./:;逗号 杠 点 斜杠 冒号 分号
<=>?@小于 等号 大于 问号 at
[\]^_左方括号 反斜线 右方括号 脱字符 下划线

date

格式示例输出说明
xx年71年七一年支持2位和4位年份。其中：2位年份支持60年~99年、00年~09年、10年~19年。4位年份支持1000年~1999年、2000年~2099年。
08年零八年
20年二零年
2020年二零二零年
1998年一九九八年
2008年二零零八年
xx年xx月08年5月零八年五月当月份为1到9月时，支持开头带”0”和不带”0”两种写法。例如”1908年4月”和”1908年04月”。
2020年04月二零二零年四月
08年8月零八年八月
2020年8月二零二零年八月
xx年xx月xx日xx年xx月xx号98年4月23日九八年四月二十三日当日期为1到9日时，支持开头带”0”和不带”0”两种写法。例如”1908年4月8日”和”1908年04月08日”。
2020年08月23日二零二零年八月二十三日
20年8月8号二零年八月八号
2020年08月08号二零二零年八月八号
xx月xx号8月20日八月二十日无
08月08号八月八号
年月缩写2020/08二零二零年八月支持”/“、”-“、”.”作为缩写的分隔符。
2020-08二零二零年八月
2020.08二零二零年八月
年月日缩写2020/08/09二零二零年八月九日
2020-8-9二零一八年八月八日
2020.08.09二零一八年八月九日
xx年xx月xx日~xx年xx月xx日xx年xx月xx号~xx年xx月xx号20年8月9日~30日二零年八月九日至三十日支持”~”、”-“作为”至”的缩写标志。
2020年08月09号-2020年09月09号二零二零年八月九月一号至二零二零年九月九
xx年xx月~xx年xx月20年04月~21年04月二零年四月至二一年四月
2020年04月~2021年04月二零二零年四月至二零二一年四月
xx月xx日~xx月xx日xx月xx号~xx月xx号10月1日~10月7日十月一日至十月七日
10月01号~10月07号十月一号至十月七号
xx月xx日~xx日xx月xx号~xx号10月1日~7日十月一日至七日
10月01号~07号十月一号至七号
年月日缩写~年月日缩写2020/03/03~2021/03/03二零二零年三月三日至二零二一年三月三日支持”/“、”.”作为缩写的分隔符，支持”~””-“作为”至”的缩写标志。
2020.9.9~2021.9.9二零二零年九月九日至二零二一年九月九日
月日缩写~月日缩写10/20~10/31十月二十日至十月三十一日
xx~xx月xx月~xx月1~10月一至十月
1月~10月一月至十月
月日年缩写10/25/2020二零二零年十月二十五日仅支持4位的年份，仅支持“/”作为日期的分隔符，仅支持”月/日/年”的书写方式。

time

格式示例输出说明
时刻12:00十二点支持常用时间和时间范围格式。
12:00:00点十二点
10:25分十点二十五分
10:25:30十点二十五分三十秒
09:25:14九点二十五分十四秒
时刻~时刻11:00~12:00十一点到十二点
09:00-14:00九点到十四点
11:00~11:30十一点到十一点三十分
11:00-15:18十一点到十五点十八分
10:30~11:00十点三十分到十一点
09:28-10:00九点二十八分到十点
10:20~11:20十点二十分到十一点二十分
06:00~08:00六点到八点
上午10:20~下午13:30上午十点二十分到下午十三点三十分
时间缩写5:00am凌晨五点当缩写为 am 时，小时在[0,5]范围内读作凌晨；当单位为 am 时，小时在[6,11]范围内读作上午。当缩写为 pm 时，小时为12时读作中午；当单位为 pm 时，小时在[1,5]范围内读作下午；小时在[6,11]范围内读作晚上。
5:30am凌晨五点三十分
5:20:12am凌晨五点二十分十二秒
7:00am上午七点
7:30AM上午七点半
7:20:25a.m.上午七点二十分二十五秒
07:08:12A.M.上午七点零八分十二秒
5:00pm下午五点
5:30PM下午五点三十分
5:20:12p.m.下午五点二十分十二秒
05:09:12P.M下午五点零九分十二秒
9:00pm晚上九点
9:30pm晚上九点三十分
9:20:12PM晚上九点二十分十二秒
9:02:12P.M.晚上九点零二分十二秒
12:00pm中午十二点
12:30p.m.中午十二点三十分
12:20:12PM中午十二点二十分十二秒

currency

格式示例输出说明
数字+金额标识符12.00RMB十二人民币支持 AUD（澳元） 、CAD（加元）、 HKD（港币）、JPY（日元）、USD（美元）、CHF（瑞士法郎）、NOK（挪威克朗）、SEK（瑞典克朗）、GBP（英镑）、 RMB（人民币）、CNY（元）和 EUR（欧元）。支持的数字格式包括：整数、小数以及以逗号分隔的国际写法。
12.50RMB十二点五人民币
15,000,000RMB一千五百万人民币
15,000,000.00RMB一千五百万人民币
12,000.35RMB一万两千点三五人民币
金额标识符+数字$12十二美元支持 CAD（加元）、$（美元）、$（美元）、Fr（法郎）、kr（丹麦克朗）、£（英镑）、¥（元）￥（元）和 €（欧元）。支持的数字格式包括：整数、小数以及以逗号分隔的国际写法。
$12.00十二美元
$12.12十二点一二美元
$12,000一万两千美元
$12,000.00一万两千美元
$12,000.99一万两千点九九美元
其他默认读法1213一千二百一十三无
1213KML一千二百一十三K M L
1213.00KML一千二百一十三K M L
1213.9KML一千二百一十三点九K M L
1,000KML一千K M L
1,000.00KML一千K M L
1,000.98KML一千点九八K M L
12,000一万两千

measure

格式示例输出说明
数字+中文单位2片两片支持常见中文单位及单位缩写
120公顷一百二十公顷
100多毫克一百多毫克
100来米一百来米
100余人一百余人
1厘米20毫米一厘米二十毫米
120.00平方公里一百二十平方公里
数字+单位缩写120.56cm²一百二十点五六平方厘米
120㎡56cm²一百二十平方米五十六平方厘米
100m12cm6mm一百米十二厘米六毫米
范围10~15kg十至十五千克
10.24~789.82亩十点二四至七百八十九点八二亩
10米~15米十米至十五米
10.24cm~19.08cm十点二四厘米至十九点零八厘米
数字+单位+”/”+单位10元/斤十元每斤
199~299元/件一百九十九至二百九十九元每件
299.99元/g~399.99元/g二百九十九点九九元每克至三百九十九点九九元每克
其他默认读法12扎十二扎
30rm三十r m
4万万同胞四万万同胞
12.897微克十二点八九七微克

<say-as> 常见符号读法

符号读法
!叹号
“双引号
#井号
$dollar
%百分号
&and
‘单引号
(左括号
)右括号
*星
+加
,逗号
–杠
.点
/斜杠
:零冒号
;分号
<小于
=等号
>大于
?问号
@at
[左方括号
\反斜线
]右方括号
^脱字符
_下划线
`反引号
{左花括号

}右花括号
~波浪线
！叹号
“左双引号
”右双引号
‘左单引号
’右单引号
（左括号
）右括号
，逗号
。句号
—杠
：冒号
；分号
？问号
、顿号
…省略号
……省略号
《左书名号
》右书名号
￥人民币符号
≥大于等于
≤小于等于
≠不等于
≈约等于
±加减
×乘
π派
Α阿尔法
Β贝塔
Γ伽玛
Δ德尔塔
Ε艾普西龙
Ζ捷塔
Ε依塔
Θ西塔
Ι艾欧塔
Κ喀帕
∧拉姆达
Μ缪
Ν拗
Ξ克西
Ο欧麦克轮
∏派
Ρ柔
∑西格玛
Τ套
Υ宇普西龙
Φfai
Χ器
Ψ普赛
Ω欧米伽
α阿尔法
β贝塔
γ伽玛
δ德尔塔
ε艾普西龙
ζ捷塔
η依塔
θ西塔
ι艾欧塔
κ喀帕
λ拉姆达
μ缪
ν拗
ξ克西
ο欧麦克轮
π派
ρ柔
σ西格玛
τ套
υ宇普西龙
φfai
χ器
ψ普赛
ω欧米伽

<say-as> 常见计量单位

格式类别示例
缩写长度nm（纳米）、μm（微米）、mm（毫米）、cm（厘米）、m（米）、km（千米）、ft（英尺）、in（英寸）
面积cm²（平方厘米）、㎡（平方米）、km²（平方千米）、SqFt（平方英尺）
体积cm³（立方厘米）、m³（立方米）、km³（立方千米）、mL（毫升）、L（升）、gallon（加仑）
重量μg（微克）、mg（毫克）、g（克）、kg（千克）
时间min（分）、sec（秒）、ms（毫秒）
电磁μA（微安）、mA（毫安）、Ω（欧姆）、Hz（赫兹）、KHz（千赫兹）、MHz（兆赫兹）、GHz（吉赫兹）、V（伏）、kV（千伏）、kWh（千瓦时）
声音dB（分贝）
气压Pa（帕）、kPa（千帕）、Mpa（兆帕）
中文单位支持不限于上述类别的中文单位，例如“米”、“秒”、“美元”、“毫升每瓶”等。以及中文量词，例如“架”、“场”、“头”、“部”、“盆”等。

标签关系

<say-as>标签仅包括文本。

示例

cardinal

<speak>

<say-as interpret-as=”cardinal”>12345</say-as>

</speak>

音频效果：say-as-cardinal.wav

digits

<speak>

<say-as interpret-as=”digits”>12345</say-as>

</speak>

音频效果：say-as-digits.wav

telephone

<speak>

<say-as interpret-as=”telephone”>12345</say-as>

</speak>

音频效果：say-as-telephone.wav

name

<speak>

她的曾用名是<say-as interpret-as=”name”>曾小凡</say-as>

</speak>

音频效果：say-as-name.wav

address

<speak>

<say-as interpret-as=”address”>深南大道10000号1号楼3单元304</say-as>

</speak>

音频效果：say-as-address.wav

id

<speak>

我的用户名是<say-as interpret-as=”id”>tencent_8858</say-as>

</speak>

音频效果：say-as-id.wav

characters

<speak>

希腊字母<say-as interpret-as=”characters”>αβ</say-as>

</speak>

音频效果：say-as-characters.wav

punctuation

<speak>

我最常用的标点是<say-as interpret-as=”punctuation”>，</say-as>

</speak>

音频效果：say-as-punctuation.wav

date

<speak>

<say-as interpret-as=”date”>2020-10-10</say-as>

</speak>

音频效果：say-as-date.wav

time

<speak>

<say-as interpret-as=”time”>5:30am</say-as>

</speak>

音频效果：SSML-say-as_time.mp3

currency

<speak>

<say-as interpret-as=”currency”>15,000.00RMB</say-as>

</speak>

音频效果：say-as-currency.wav

measure

<speak>

<say-as interpret-as=”measure”>100m²15cm²</say-as>

</speak>

音频效果：say-as-measure.wav

<word>

描述

用于表示文本的词语结构，该标签是可选标签。英文文本通常采用空格来进行分词，一般无需使用此标签。<word>标签内部必须是一个独立的词或短语，这个词或短语只能包含纯中文或纯英文，不能中英混合。

语法

<word>文本</word>

标签关系

<word>标签仅包括文本。

示例

<speak>广州市长<word>隆马戏</word>欢迎您。</speak>

音频效果：SSML-word.wav

<audio>

描述

用于在合成语音输出中插入录制的音频文件和其他音频格式。

语法

<audio src=”https://example.cos.ap-shanghai.myqcloud.com/demo.wav“></audio>

属性

属性名称属性类型属性值是否必选描述
srcString音频url是指向音频媒体源的 URI。支持的协议为 https。音频限制条件:音频文件大小上限：3M音频格式：mp3、wav采样率：不限 音频时长：120s 音频存储服务器：腾讯云 cos（需开通公有读权限） 语音合成接口：实时语音合成

示例

你听<speak><audio src=”https://example.cos.ap-shanghai.myqcloud.com/knock_door.wav“></audio></speak>有敲门声

音频效果：SSML-audio.wav

- END -
picture loss
- 0人点赞 -

上一篇

腾讯云云游戏退费说明_音视频解决方案_同尘科技

下一篇

腾讯云云点播上传存储设置_音视频解决方案_同尘科技

相关推荐

cover
腾讯云实时互动教育版产品动态_音视频解决方案_同尘科技
1年前 (2023-12-29)
cover
腾讯云多人音视频房间SDK多人音视频房间 SDK 2.0版本发布和推荐升级公告_音视频解决方案_同尘科技
1年前 (2023-12-29)
cover
腾讯云多人音视频房间SDKSDK2.0版本升级指引_音视频解决方案_同尘科技
1年前 (2023-12-29)
cover
腾讯云实时音视频多人音视频（TUIRoomKit）发布2.0版本 SDK 和推荐升级公告_音视频解决方案_同尘科技
1年前 (2023-12-29)

发表点评 （0条）

提交
not found

暂无评论，你要说点什么吗？