Eléments et attributs pris en charge

Le tableau 1 récapitule le support du service pour les éléments et les attributs SSML :

• Complète signifie que le service prend entièrement en charge l'élément ou l'attribut avec ses interfaces HTTP et WebSocket.
• Partiel signifie que la prise en charge du service pour l'élément ou l'attribut est limitée de l'une des manières suivantes:
  • Le service ne prend en charge que certains aspects de l'élément ou de l'attribut.
  • Le service prend en charge l'élément ou l'attribut avec seulement certaines de ses voix.
  • Le service prend en charge l'élément ou l'attribut avec une seule de ses interfaces, HTTP ou WebSocket.
• Aucune signifie que le service ne prend pas en charge l'élément ou l'attribut.

Les sections suivantes fournissent des descriptions de chaque élément ou attribut, y compris des exemples, des restrictions et indique si le support du service diffère de la norme SSML. Le support de certains attributs et valeurs diffère légèrement de la spécification SSML. Pour plus d'informations, voir W3C Speech Synthesis Markup Language(SSML)Version 1.1.

L'élément <audio>

Cet élément <audio> insère des éléments enregistrés dans l'audio généré par le service. Il n'est pas pris en charge.

L'élément <break>

L'élément <break> insère une pause dans le texte énoncé. Il possède les attributs facultatifs suivants :

• strength spécifie la longueur de la pause en termes de valeurs de force variables :
  • none supprime une pause qui, sinon, pourrait se produire pendant le traitement.
  • x-weak, weak, medium, strong ou x-strong insèrent des pauses de plus en plus marquées.
• time spécifie la durée de la pause en secondes ou en millisecondes. Les formats de valeur valides sont {integer}s pour les secondes ou {integer}ms pour les millisecondes.

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

L'élément <break> est une fonctionnalité bêta pour les voix naturelles.

L'élément <desc>

L'élément <desc> ne peut se trouver que dans un élément <audio>. Comme l'élément <audio> n'est pas pris en charge, l'élément <desc> ne l'est pas non plus.

L'élément <emphasis>

L'élément <emphasis> est pris en charge pour une utilisation uniquement avec les voix neuronales expressives.

Avec les voix neuronales expressives, vous pouvez utiliser l'élément <emphasis> pour mettre en évidence ou rétrograder un ou plusieurs mots du texte d'entrée. L'élément prend en charge un attribut level facultatif qui accepte l'une des valeurs suivantes:

• none-Empêche le service de mettre en évidence du texte qui pourrait être mis en évidence autrement.
• moderate-Fournit une mise en évidence notable du texte. Ce niveau est la valeur par défaut si vous omettez l'attribut level.
• strong-Fournit une mise en évidence plus importante du texte que celle du niveau modéré.
• reduced-Désouligne le texte en tendant à réduire sa signification dans l'audio. Ce niveau est le contraire de la mise en évidence du texte.

L'exemple suivant applique le niveau moderate au mot give:

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

Pour plus d'informations, voir Insister sur les mots.

L'élément <express-as>

L'élément <express-as> est une extension SSML spécifique au service Text to Speech. Il est pris en charge pour une utilisation uniquement avec les voix neuronales expressives.

Avec les voix neuronales expressives, vous pouvez utiliser l'élément <express-as> pour appliquer des styles de parole afin d'améliorer la mise en évidence par le service de certaines caractéristiques pour tout ou partie du texte d'entrée. L'élément prend en charge un attribut style obligatoire qui accepte l'un des styles de parole suivants:

• cheerful-Exprime le bonheur et les bonnes nouvelles.
• empathetic-Exprime l'empathie et la compassion.
• neutral-Exprime l'objectivité et la régularité.
• uncertain-Exprime la confusion et l'incertitude.

L'exemple suivant applique le style cheerful à l'ensemble du texte d'entrée:

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

Pour plus d'informations, voir Utilisation de styles de parole.

L'élément <lexicon>

Cet élément <lexicon> introduit des dictionnaires de prononciation pour le document SSML donné. Il n'est pas pris en charge.

Vous pouvez utiliser l'interface de personnalisation du service pour définir un dictionnaire d'entrées personnalisées (paires de mots/traductions) à utiliser lors de la synthèse vocale. Pour plus d'informations, voir Compréhension de la personnalisation.

L'élément <mark>

L'élément <mark> est pris en charge par l'interface WebSocket du service, mais pas par son interface HTTP, qui ignore l'élément. Pour plus d'informations, voir Spécification d'une marque SSML.

L'élément <mark> n'est pas pris en charge pour les voix naturelles.

L'élément <mark> est un élément vide qui place un marqueur dans le texte à synthétiser. Le client est averti lorsque tout le texte qui précède l'élément <mark> a été synthétisé. L'élément accepte un attribut name unique qui spécifie une chaîne identifiant de manière unique la marque ; ce nom doit commencer par un caractère alphanumérique. Le nom est renvoyé avec l'heure à laquelle la marque apparaît dans l'audio synthétisé.

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

Les éléments <meta> et <metadata>

Les éléments <meta> et <metadata> sont des conteneurs dans lesquels vous pouvez placer des informations sur le document. Ils ne sont pas pris en charge.

Les éléments <paragraph> et <sentence>

Les éléments <paragraph> (ou <p>) et <sentence> (ou <s>) sont des éléments facultatifs qui peuvent être utilisés pour donner des conseils sur la structure textuelle. Si le texte qui est inclus dans un élément <paragraph> ou <sentence> ne se termine pas par un caractère de ponctuation de fin de phrase (comme une période), le service ajoute une pause plus longue que la normale à l'audio synthétisé.

Le seul attribut valide pour l'un ou l'autre élément est xml:lang, qui permet le changement de langue. L'attribut n'est pas pris en charge.

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

L'élément <phoneme>

L'élément <phoneme> fournit une prononciation phonétique pour le texte joint. L'orthographe phonétique représente les sons d'un mot, la façon dont les sons sont divisés en syllabes et quelles syllabes sont accentuées. L'élément a deux attributs :

• alphabet est un attribut facultatif qui spécifie la phonologie à utiliser. Les alphabets supportés sont

  • International Phonetic Alphabet (IPA) standard : alphabet="ipa".
  • IBM Symbolic Phonetic Representation (SPR) : alphabet="ibm".

  Si aucun alphabet n'est spécifié, le service utilise IBM SPR par défaut. Pour plus d'informations, voir Présentation des symboles phonétiques.

• ph est un attribut requis qui fournit la prononciation dans l'alphabet indiqué. Les exemples suivants montrent la prononciation du mot tomato dans les deux formats :

  • Format IPA :

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

  • Format IPA avec symboles Unicode :

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

  • Format IBM SPR :

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

Pour plus d'informations sur l'utilisation des notations SPR et IPA avec l'élément <phoneme>, voir Comprendre les symboles phonétiques.

L'élément <prosody>

L'élément <prosody> contrôle le pas et le débit de parole du texte. Tous les attributs sont facultatifs, mais une erreur se produit si vous ne spécifiez pas au moins un attribut avec l'élément.

Le service prend en charge les deux attributs suivants de la spécification SSML :

• L'attribut pitch
• L'attribut rate

La spécification SSML offre également quatre attributs que le service ne prend pas en charge :

• L'attribut contour
• L'attribut range
• L'attribut duration
• L'attribut volume

Le service prend également en charge les paramètres de requête qui vous permettent d'ajuster le débit et la hauteur pour tout le texte d'une demande de synthèse vocale. Pour plus d'informations sur les paramètres et leur interaction avec les attributs pitch et rate de l'élément <prosody>, voir

• Modification du taux de prise de parole
• Modification de la hauteur de parole

L'élément <prosody> n'est pas pris en charge pour les voix naturelles.

<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>

L'élément <say-as>

L'élément <say-as> fournit des informations sur le type de texte contenu dans l'élément et indique le niveau de détail pour le rendu du texte.

• L'élément comporte un attribut obligatoire, interpret-as, qui indique comment le texte inclus doit être interprété.
• L'élément possède deux attributs facultatifs, format et detail, qui sont utilisés uniquement avec des valeurs particulières de l'attribut interpret-as, comme illustré dans les exemples suivants.

Le service prend en charge l'élément <say-as> avec les langues suivantes :

• Le service prend entièrement en charge l'élément <say-as> pour l'anglais américain.
• Pour la plupart des autres langues, le service ne prend en charge que les attributs digits et letters de l'élément.
• Pour le japonais, le service prend en charge uniquement l'attribut digits. Le service ignore les caractères non numériques qui sont inclus dans la chaîne de chiffres.

La prononciation par défaut du service des chaînes alphabétiques, numériques et alphanumériques varie en fonction de la langue, chaque langue ayant ses propres règles. Vous pouvez utiliser l'élément <say-as> pour contrôler la façon dont les chaînes sont prononcées, y compris si elles doivent être épelées en tant que caractères individuels avec les éléments letters et digits.

Pour l'allemand, vous pouvez également contrôler le rythme auquel le service prononce les caractères. Pour plus d'informations, voir Spécification de la manière dont les chaînes sont définies.

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="letters" format=“single”>112A567B</say-as>
<say-as interpret-as="letters" format=“group”>3174A2W486</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>

L'élément <speak>

Le service prend en charge les fragments SSML, qui sont des éléments SSML qui n'incluent pas l'en-tête XML complet. L'élément <speak> est facultatif pour SSML que vous transmettez au service.

L'élément <speak> est l'élément racine des documents SSML. Les attributs valides sont

• version est un attribut obligatoire qui indique la spécification SSML. La valeur acceptée est 1.0.
• xml:lang n'est pas requis par le service. Omettez l'attribut lorsque vous utilisez cet élément. Notez que vous ne pouvez pas utiliser cet attribut pour modifier la langue d'une demande de synthèse vocale.
• xml:base est sans effet.
• xmlns n'est pas requis par le service. Omettez l'attribut lorsque vous utilisez cet élément.

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

L'élément <sub>

L'élément <sub> indique que le texte spécifié par l'attribut alias doit remplacer le texte qui est inclus dans l'élément lorsque la voix est synthétisée. L'attribut alias est le seul attribut de l'élément et est obligatoire.

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

L'élément <voice>

Cet élément <voice> demande un changement de la voix. Il n'est pas pris en charge.