Unterstützte Elemente und Attribute

Tabelle 1 enthält eine Zusammenfassung der Unterstützung des Service für SSML-Elemente und -Attribute:

• Vollständig bedeutet, dass der Service das Element oder Attribut bei seiner HTTP- und WebSocket-Schnittstelle vollumfänglich unterstützt.
• Teilweise bedeutet, dass die Unterstützung des Service für das Element oder Attribut auf eine der folgenden Arten eingeschränkt ist:
  • Der Service unterstützt nur einige Aspekte des Elements oder Attributs.
  • Der Service unterstützt das Element oder Attribut nur mit einigen Stimmen.
  • Der Service unterstützt das Element oder Attribut nur mit einer seiner Schnittstellen, HTTP oder WebSocket.
• Keine bedeutet, dass der Service das Element oder Attribut nicht unterstützt.

Die folgenden Abschnitte enthalten Beschreibungen zu den einzelnen Elementen und Attributen mit Beispielen, Einschränkungen und der Angabe, ob sich die Unterstützung des Service von der Standard-SSML unterscheidet. Bei einigen Attributen und Werten unterscheidet sich die Unterstützung etwas von der SSML-Spezifikation. Weitere Informationen finden Sie unter W3C Speech Synthesis Markup Language(SSML)Version 1.1.

Element '<audio>'

Mit dem Element '<audio>' werden aufgezeichnete Elemente in die vom Service generierten Audiodaten eingefügt. Dieses Element wird nicht unterstützt.

Element '<break>'

Mit dem Element <break> wird eine Pause in den gesprochenen Text eingefügt. Es besitzt die folgenden optionalen Attribute:

• Das Attribut strength gibt die Länge der Pause in Form von unterschiedlichen Werten an:
  • none unterdrückt eine Pause, die ansonsten möglicherweise während der Verarbeitung entsteht.
  • x-weak, weak, medium, strong oder x-strong fügen in der hier angegebenen Reihenfolge immer längere Pausen ein.
• Das Attribut time gibt die Länge der Pause in Form von Sekunden oder Millisekunden an. Gültige Werteformate sind {integer}s für Sekunden oder {integer}ms für Millisekunden.

Break size <break strength="none"/> no pause
Break size <break strength="x-weak"/> x-weak pause
Break size <break strength="weak"/> weak pause
Break size <break strength="medium"/> medium pause
Break size <break strength="strong"/> strong pause
Break size <break strength="x-strong"/> x-strong pause
Break size <break time="1s"/> one-second pause
Break size <break time="1500ms"/> 1500-millisecond pause

Element '<desc>'

Das Element <desc> kann nur innerhalb eines Elements <audio> auftreten. Da das Element <audio> nicht unterstützt wird, wird auch das Element <desc> nicht unterstützt.

Element '<emphasis>'

Das Element <emphasis> wird nur für die expressiven neuronalen Stimmen unterstützt.

Mit den expressiven neuronalen Stimmen können Sie das Element <emphasis> verwenden, um ein oder mehrere Wörter des Eingabetexts hervorzuheben oder die Hervorhebung zu verringern. Das Element unterstützt ein optionales Attribut level, das einen der folgenden Werte akzeptiert:

• none-Verhindert, dass der Service Text hervorhebt, der andernfalls hervorgehoben werden könnte.
• moderate-Stellt eine auffällige Hervorhebung des Textes bereit Diese Stufe ist der Standardwert, wenn Sie das Attribut level nicht angeben.
• strong-Stellt eine größere Gewichtung für den Text bereit als die mittlere Ebene.
• reduced-Der Text wird hervorgehoben, indem die Signifikanz in den Audiodaten reduziert wird. Diese Ebene ist das Gegenteil von der Betonung des Textes.

Im folgenden Beispiel wird die Ebene moderate auf das Wort give angewendet:

I am going to <emphasis level="moderate">give</emphasis> her the book.

Weitere Informationen finden Sie unter Emphasizing words.

Element '<express-as>'

Das Element <express-as> ist eine spezielle SSML-Erweiterung für den Service Text to Speech. Es wird nur für die Verwendung mit den expressiven neuronalen Stimmen unterstützt.

Mit den expressiven neuronalen Stimmen können Sie das Element <express-as> verwenden, um Sprechstile anzuwenden, um die Hervorhebung bestimmter Merkmale des Service für den gesamten Eingabetext oder einen Teil des Eingabetexts zu verbessern. Das Element unterstützt ein erforderliches Attribut style, das einen der folgenden Sprachstile akzeptiert:

• cheerful-Äußert Glück und gute Nachrichten.
• empathetic-drückt Empathie und Mitgefühl aus.
• neutral-Äußert Objektivität und Ebenheit.
• uncertain-Äußert Verwirrung und Unsicherheit.

Im folgenden Beispiel wird der Stil cheerful auf den gesamten Eingabetext angewendet:

<express-as style="cheerful">Oh, that's good news! I'm glad that we could help.</express-as>

Weitere Informationen finden Sie unter Sprechstile verwenden.

Element '<lexicon>'

Dieses <lexicon>-Element führt Aussprachewörterbücher für das angegebene SSML-Dokument ein. Dieses Element wird nicht unterstützt.

In der Anpassungsschnittstelle des Service können Sie ein Wörterverzeichnis mit angepassten Einträgen (Paare aus Wort und Umsetzung) definieren, das während der Sprachsynthese verwendet werden soll. Weitere Informationen enthält der Abschnitt Wissenswertes über die Anpassung.

Element '<mark>'

Das Element <mark> wird nur von der WebSocket-Schnittstelle des Service unterstützt. Von der HTTP-Schnittstelle wird das Element ignoriert. Weitere Informationen finden Sie unter SSML-Markup eingeben.

Das Element <mark> ist ein leeres Element, das eine Markierung in den zu synthetisierenden Text einfügt. Der Client wird benachrichtigt, sobald der gesamte Text vor dem Element <mark> synthetisiert wurde. Das Element akzeptiert ein einziges Attribut name, in dem eine Zeichenfolge angegeben ist, die die Markierung eindeutig kennzeichnet; der Name muss mit einem alphanumerischen Zeichen beginnen. Der Name wird zusammen mit dem Zeitpunkt zurückgegeben, an dem die Markierung in der synthetisch erstellten Audioausgabe vorkommt.

Hello <mark name="here"/> world.

Elemente '<meta>' und '<metadata>'

Bei den Elementen <meta> und <metadata> handelt es sich um Container, in die Sie Informationen zum Dokument einfügen können. Sie werden nicht unterstützt.

Elemente '<paragraph>' und '<sentence>'

Die Elemente <paragraph> (oder <p>) und <sentence> (oder <s>) sind optionale Elemente, die verwendet werden können, um Hinweise zur Textstruktur zu geben. Wenn der Text, der in einem Element <paragraph> oder <sentence> eingeschlossen ist, nicht mit einem Satzendezeichen endet (z. B. einem Punkt), fügt der Service eine längere Pause zu den synthetisierten Audiodaten hinzu.

Das einzige gültige Attribut für beide Elemente ist xml:lang; es ermöglicht einen Wechsel der Sprache. Das Attribut wird nicht unterstützt.

<paragraph>
  <sentence>Text within a sentence element.</sentence>
  <s>More text in another sentence.</s>
</paragraph>

Element '<phoneme>'

Das Element <phoneme> stellt eine phonetische Aussprache für den eingeschlossenen Text bereit. Die phonetische Schreibweise stellt dar, aus welchen Lauten ein Wort besteht, wie die Laute in Silben unterteilt sind und welche Silben betont werden. Das Element besitzt zwei Attribute:

• Das optionale Attribut alphabet gibt an, welche Phonetik verwendet werden soll. Die folgenden Alphabete werden unterstützt:

  • Das als Standard etablierte Internationale Phonetische Alphabet (IPA): alphabet="ipa".
  • IBM Symbolic Phonetic Representation (SPR): alphabet="ibm".

  Wenn kein Alphabet angegeben ist, verwendet der Service standardmäßig IBM SPR. Weitere Informationen finden Sie unter Informationen zu phonetischen Symbolen.

• Das erforderliche Attribut ph stellt die Aussprache im angegebenen Alphabet bereit. Die folgenden Beispiele zeigen die Aussprache für das Wort tomato in beiden Formaten:

  • IPA-Format:

    <phoneme alphabet="ipa" ph="təˈmeɪ.ɾoʊ">tomato</phoneme>
    

  • IPA-Format mit Unicode-Symbolen:

    <phoneme alphabet="ipa" ph="t&#x0259;&#x02C8;me&#x026A;.&#x027E;o&#x028A;">tomato</phoneme>
    

  • IBM SPR-Format:

    <phoneme alphabet="ibm" ph=".0tx.1me.0Fo">tomato</phoneme>
    

Weitere Informationen zur Verwendung von SPR- und IPA-Notationen mit dem Element '<phoneme>' finden Sie in Erläuterungen zu phonetischen Zeichen.

Element '<prosody>'

Das Element <prosody> steuert Tonhöhe und Sprechtempo für den Text. Alle Attribute sind optional. Es tritt jedoch ein Fehler auf, wenn Sie nicht mindestens ein Attribut mit dem Element angeben.

Der Service unterstützt die beiden folgenden Attribute der SSML-Spezifikation:

• Attribut 'pitch'
• Attribut 'rate'

Die SSML-Spezifikation bietet außerdem vier Attribute, die vom Service nicht unterstützt werden:

• Attribut 'contour'
• Attribut 'range'
• Attribut 'duration'
• Attribut 'volume'

Der Service unterstützt auch Abfrageparameter, mit denen Sie die Geschwindigkeit und Tonhöhe für den gesamten Text einer Sprachsyntheseanforderung anpassen können. Weitere Informationen zu den Parametern und ihrer Interaktion mit den Attributen pitch und rate des Elements <prosody> finden Sie im Abschnitt.

• Sprechgeschwindigkeit ändern
• Sprechdichte ändern

<prosody pitch="150Hz">Transpose pitch to 150 Hz</prosody>
<prosody pitch="-20Hz">Lower pitch by 20 Hz from baseline</prosody>
<prosody pitch="+20Hz">Increase pitch by 20 Hz from baseline</prosody>
<prosody pitch="-10%">Decrease pitch by 10 percent</prosody>
<prosody pitch="+10%">Increase pitch by 10 percent</prosody>
<prosody pitch="-12st">Lower pitch by 12 semitones from baseline</prosody>
<prosody pitch="+12st">Increase pitch by 12 semitones from baseline</prosody>
<prosody pitch="x-low">Lower pitch by 12 semitones from baseline</prosody>

<prosody rate="50">Set speaking rate to 50 words per minute</prosody>
<prosody rate="-5%">Decrease speaking rate by 5 percent</prosody>
<prosody rate="+5%">Increase speaking rate by 5 percent</prosody>
<prosody rate="slow">Decrease speaking rate by 25%</prosody>
<prosody rate="fast">Increase speaking rate by 25%</prosody>

Element '<say-as>'

Das Element <say-as> stellt Informationen zum Texttyp bereit, der im Element enthalten ist, und gibt den Detaillierungsgrad für die Wiedergabe des Texts an.

• Das Element besitzt ein erforderliches Attribut namens interpret-as, mit dem angegeben wird, wie der eingeschlossene Text zu interpretieren ist.
• Das Element verfügt über zwei optionale Attribute, format und detail, die ausschließlich mit bestimmten Werten des Attributs interpret-as verwendet werden, wie in den folgenden Beispielen gezeigt.

Der Service unterstützt das Element <say-as> in den folgenden Sprachen:

• Der Service unterstützt das Element <say-as> für amerikanisches Englisch vollständig.
• Bei den meisten anderen Sprachen unterstützt der Service nur die Attribute digits und letters des Elements.
• Für Japanisch unterstützt der Service nur das Attribut digits. Der Service ignoriert nicht numerische Zeichen, die in der Ziffernfolge enthalten sind.

Die Standardaussprache des Service für alphabetische, numerische und alphanumerische Zeichenfolgen variiert je nach Sprache, wobei jede Sprache ihre eigenen Regeln hat. Mit dem Element <say-as> können Sie steuern, wie Zeichenfolgen ausgesprochen werden, einschließlich der Angabe, ob sie als einzelne Zeichen mit den Elementen letters und digits ausgeschrieben werden sollen.

Für Deutsch können Sie auch steuern, wie schnell der Service die Zeichen ausspricht. Weitere Informationen finden Sie unter Schreibweise von Zeichenfolgen angeben.

Super Bowl <say-as interpret-as="cardinal">49</say-as>
Super Bowl <say-as interpret-as="cardinal">XLIX</say-as>

<say-as interpret-as="date" format="mdy">12/17/2005</say-as>
<say-as interpret-as="date" format="ymd">2005/12/17</say-as>
<say-as interpret-as="date" format="dmy">17/12/2005</say-as>
<say-as interpret-as="date" format="ydm">2005/17/12</say-as>
<say-as interpret-as="date" format="my">12/2005</say-as>
<say-as interpret-as="date" format="md">12/17</say-as>
<say-as interpret-as="date" format="ym">2005/12</say-as>

<say-as interpret-as="digits">123456</say-as>

<say-as interpret-as='interjection' enabled='false'>Oh</say-as>, in addition, the <say-as interpret-as='interjection' enabled='false'>aha</say-as> wasp is endemic to Australia.

<say-as interpret-as="letters">Hello</say-as>

<say-as interpret-as="number">123456</say-as>
<say-as interpret-as="number" format="cardinal">123456</say-as>
<say-as interpret-as="number" format="ordinal">123456</say-as>

<say-as interpret-as="number" format="telephone">555-555-5555</say-as>
<say-as interpret-as="number" format="telephone" detail="punctuation">555-555-5555</say-as>

<say-as interpret-as="ordinal">2</say-as>
<say-as interpret-as="ordinal">1</say-as>

<say-as interpret-as="vxml:boolean">true</say-as>
<say-as interpret-as="vxml:boolean">false</say-as>

<say-as interpret-as="vxml:currency">USD45.30</say-as>

<say-as interpret-as="vxml:currency">USD45.329</say-as>

<say-as interpret-as="vxml:date">20050720</say-as>
<say-as interpret-as="vxml:date">????0720</say-as>
<say-as interpret-as="vxml:date">200507??</say-as>

<say-as interpret-as="vxml:time">1230</say-as>
<say-as interpret-as="vxml:time">1230a</say-as>
<say-as interpret-as="vxml:time">1230p</say-as>
<say-as interpret-as="vxml:time">0100h</say-as>

<say-as interpret-as="vxml:phone">555-555-5555</say-as>

Element '<speak>'

Der Service unterstützt SSML-Fragmente; dies sind SSML-Elemente, die nicht den vollständigen XML-Header enthalten. Das Element <speak> ist für SSML, die Sie an den Service übergeben, optional.

Das Element <speak> ist das Stammelement für SSML-Dokumente. Gültige Attribute:

• Das erforderliche Attribut version gibt die SSML-Spezifikation an. Der gültige Wert ist 1.0.
• Das Attribut xml:lang wird vom Service nicht benötigt. Lassen Sie das Attribut bei Verwendung dieses Elements weg. Beachten Sie, dass Sie dieses Attribut nicht zum Ändern der Sprache für eine Sprachsyntheseanforderung verwenden können.
• Das Attribut xml:base ist wirkungslos.
• Das Attribut xmlns wird vom Service nicht benötigt. Lassen Sie das Attribut bei Verwendung dieses Elements weg.

<speak version="1.1">
  The text to be spoken.
</speak>

Element '<sub>'

Das Element <sub> gibt an, dass der Text, der durch das Attribut alias angegeben wird, bei der Sprachsynthese den Text ersetzen soll, der in dem Element eingeschlossen ist. Das Attribut alias ist das einzige Attribut des Elements und ist erforderlich.

<sub alias="International Business Machines">IBM</sub>

Element '<voice>'

Das Element <voice> fordert eine Stimmänderung an. Dieses Element wird nicht unterstützt.