Einführung in SSML

Die Funktionsweise von SSML ergibt sich daraus, dass einfacher Text, der an eine Sprachsynthesefunktion übergeben wird, durch eine vordefinierte Gruppe von Elementen (auch 'Tags' genannt) erweitert wird. Der einfache Eingabetext wird zunächst durch einen XML-Parser von den Markup-Spezifikationen getrennt. Anschließend werden die Spezifikationen verarbeitet und zur Erzeugung der gewünschten Effekte als Gruppe von Anweisungen in einem Format gesendet, dass für die Sprachsynthesefunktion verständlich ist. Damit der XML-Parser diese Aufgabe erfüllen kann, müssen die Markup-Formatierungen korrekt formatiert sein; beispielsweise müssen Elemente abgeschlossen und mehrere Elemente ordnungsgemäß verschachtelt sein. Eine Einführung in grundlegende XML-Konzepte finden Sie unter w3schools.com/xml/xml_whatis.asp.

Als SSLM-Element gelten alle Daten, die in einem Starttag und seinem zugehörigen Endtag enthalten sind; auch die Tags gehören zum Element. Wie aus dem folgenden Beispiel hervorgeht, kann ein Element eine Kombination aus Tags und anderen Elementen enthalten (Tags können verschachtelt werden). Elemente können zudem Attribute erfordern oder optional akzeptieren, um bestimmte Werte festzulegen.

<tag1>
  <tag2 attributeName="attributeValue">
    ... some text ...
  </tag2>
</tag1>

Ein vollständiges SSML-Dokument besteht aus einem XML-Prolog, der Informationen wie die Codierung und das Schema für die Validierung des SSML-Dokuments enthält. Auf den Prolog folgt das Stammelement <speak>. Innerhalb der Spanne des <speak> geben Sie den zu synthetisierenden Text an, der durch zusätzliche Elemente ergänzt wird.

<?xml version="1.0" encoding="UTF-8"?>


<speak version="1.1">
  ... the body that contains text to be synthesized plus markup ...
</speak>

Der XML-Prolog ist für Text, den Sie an den Service übergeben, nicht erforderlich. Der Service unterstützt SSML-Fragmente, bei denen es sich um SSML-Elemente handelt, die nicht den vollständigen XML-Header enthalten und deren übergeordnete Elemente nicht einschließen müssen. Die Elemente <?xml> und <speak> sind beispielsweise für SSML, die Sie zur Synthese senden, immer optional.

SSML-Unterstützung

Weitere Informationen zur Verwendung von SSML und verwandten Funktionen mit dem Dienst finden Sie im Folgenden:

• Der Service implementiert die meisten W3C-Spezifikationen und unterstützt SSML-Fragmente.
  • Vollständige Informationen zu den Service-Levels der Unterstützung, die der Service für alle SSML-Elemente bietet, finden Sie unter SSML-Elemente.
  • Beispiele für die Verwendung von SSML-Elementen mit dem text einer Sprachsyntheseanforderung finden Sie unter Beispiele für Eingabetext.
• Der Service unterstützt zusätzliche Synthesefunktionen für erweiterte neuronale und expressive neuronale Stimmen:
  • Sprechgeschwindigkeit ändern
  • Sprechdichte ändern
• Der Service unterstützt zusätzliche Synthesefunktionen für expressive neuronale Stimmen:
  • Sprechstile verwenden
  • Interjektionen hervorheben
  • Wörter hervorheben
• Der Service unterstützt eine Synthesefunktion, mit der Sie steuern können, wie alphanumerische Zeichenfolgen für deutsche Stimmen ausgeschrieben werden. Weitere Informationen finden Sie unter Schreibweise von Zeichenfolgen angeben.
• Der Service unterstützt die Verwendung des SSML-Elements <mark> mit der Schnittstelle WebSocket zum Abrufen von Ablaufsteuerungsinformationen für Wörter der resultierenden Audiodaten. Mit der Schnittstelle WebSocket können Sie auch Informationen für alle Zeichenfolgen des Eingabetexts anfordern. Weitere Informationen finden Sie
  • SSML-Markierung angeben
  • Worttakt für alle Wörter anfordern
• Die Anpassungsschnittstelle des Service unterstützt die Verwendung des SSML-Elements <phoneme> zur Angabe der phonetischen Schreibweise, die für die Aussprache eines Worts verwendet wird. Die phonetische Schreibweise bildet den Klang eines Worts ab, die Unterteilung der Laute in Silben und die Betonung der Silben.
  • Informationen zur Anpassungsschnittstelle enthält der Abschnitt Wissenswertes über die Anpassung.
  • Informationen zu den gültigen Symbolen, die Sie in einer IPA-Spezifikation (IPA = International Phonetic Alphabet) oder in der Spezifikation IBM Symbolic Phonetic Representation (SPR) für jede unterstützte Sprache verwenden können, finden Sie unter Informationen zu phonetischen Symbolen.

SSML-Validierung

Der Service validiert alle SSML-Elemente, die Sie in einem beliebigen Inhalt übergeben, also entweder als Eingabetext für die Synthese oder als Definition der Umsetzung eines Worts für die Anpassung. Der Service kann nicht vorab feststellen, ob der zur Synthese übergebene Text SSML-Elemente enthält. Er führt daher für jeden Eingabetext dieselbe Validierung unabhängig davon durch, ob der Text SSML enthält oder nicht.