Elementi e attributi supportati

La Tabella 1 riassume il supporto del servizio per gli elementi e gli attributi SSML:

• Completo indica che il servizio supporta completamente l'elemento o l'attributo con le sue interfacce HTTP e WebSocket.
• Parziale significa che il supporto del servizio per l'elemento o l'attributo è limitato in uno dei modi seguenti:
  • Il servizio supporta solo alcuni aspetti dell'elemento o dell'attributo.
  • Il servizio supporta l'elemento o l'attributo solo con alcune delle sue voci.
  • Il servizio supporta l'elemento o l'attributo con una sola delle sue interfacce, HTTP o WebSocket.
• Nessuno indica che il servizio non supporta l'elemento o l'attributo.

Le seguenti sezioni forniscono le descrizioni di ciascun elemento o attributo, inclusi esempi, limitazioni e se il supporto del servizio differisce da SSML standard. Il supporto per alcuni attributi e valori differisce leggermente dalle specifiche SSML. Per ulteriori informazioni, vedere W3C Speech Synthesis Markup Language(SSML)Versione 1.1.

L'elemento <audio>

Questo elemento di <audio> inserisce elementi registrati nell'audio generato dal servizio. Non è supportato.

L'elemento <break>

L'elemento <break> inserisce una pausa nel testo parlato. Presenta i seguenti attributi facoltativi:

• strength specifica la lunghezza della pausa in termini di variazione dei valori di intensità:
  • none elimina l'interruzione che potrebbe altrimenti essere eseguita durante l'elaborazione.
  • x-weak, weak, medium, strong o x-strong inseriscono interruzioni che diventano sempre più potenti.
• time specifica la lunghezza della pausa in termini di secondi o millisecondi. I formati di valore validi sono {integer}s per i secondi o {integer}ms per i millisecondi.

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'elemento <break> è una funzionalità beta per le voci naturali.

L'elemento <desc>

L'elemento <desc> può essere presente solo all'interno di un elemento <audio>. Poiché l'elemento <audio> non è supportato, non lo è nemmeno l'elemento <desc>.

L'elemento <emphasis>

L'elemento <emphasis> è supportato solo per l'utilizzo con le voci neurali espressive.

Con le voci neurali espressive, è possibile utilizzare l'elemento <emphasis> per enfatizzare o deenfatizzare una o più parole del testo di input. L'elemento supporta un attributo level facoltativo che accetta uno dei seguenti valori:

• none- impedisce al servizio di enfatizzare il testo che potrebbe altrimenti essere enfatizzato.
• moderate- Fornisce una notevole quantità di enfasi sul testo. Questo livello è quello predefinito se si omette l'attributo level.
• strong- Fornisce una quantità più significativa di enfasi al testo rispetto al livello moderato fornito.
• reduced- De - enfatizza il testo tendendo a ridurre il suo significato nell'audio. Questo livello è l'opposto di sottolineare il testo.

Il seguente esempio applica il livello moderate alla parola give:

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

Per ulteriori informazioni, vedi Sottolineatura delle parole.

L'elemento <express-as>

L'elemento <express-as> è un'estensione SSML specifica del servizio Text to Speech. È supportato solo per l'uso con le voci neurali espressive.

Con le voci neurali espressive, puoi utilizzare l'elemento <express-as> per applicare gli stili di conversazione per migliorare l'enfasi del servizio di determinate caratteristiche per tutto o parte del testo di input. L'elemento supporta un attributo style obbligatorio che accetta uno dei seguenti stili di conversazione:

• cheerful- Esprime felicità e buone notizie.
• empathetic- Espone empatia e compassione.
• neutral- Esprime obiettività e uniformità.
• uncertain- Esprime confusione e incertezza.

Il seguente esempio applica lo stile cheerful all'intero testo di immissione:

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

Per ulteriori informazioni, consultare Utilizzo degli stili di conversazione.

L'elemento <lexicon>

Questo elemento di <lexicon> introduce i dizionari di pronuncia per il documento SSML dato. Non è supportato.

Puoi utilizzare l'interfaccia di personalizzazione del servizio per definire un dizionario di voci personalizzate (coppie di parole/traduzioni) da utilizzare durante la sintesi vocale. Per ulteriori informazioni, vedi Informazioni sulla personalizzazione.

L'elemento <mark>

L'elemento <mark> è supportato solo dall'interfaccia WebSocket del servizio, non dall'interfaccia HTTP, che ignora l'elemento. Per ulteriori informazioni, vedi Specifica di un contrassegno SSML.

L'elemento <mark> non è supportato per le voci naturali.

L'elemento <mark> è un elemento vuoto che inserisce un marcatore nel testo da sintetizzare. Il client viene avvisato quando tutto il testo che precede l'elemento <mark> è stato sintetizzato. L'elemento accetta un singolo attributo name che specifica una stringa che identifica in modo univoco il contrassegno; il nome deve iniziare con un carattere alfanumerico. Il nome viene restituito insieme al tempo in cui si presenta il contrassegno nell'audio sintetizzato.

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

Gli elementi <meta> e <metadata>

Gli elementi <meta> e <metadata> sono contenitori in cui è possibile inserire informazioni sul documento. Non sono supportati.

Gli elementi <paragraph> e <sentence>

Gli elementi <paragraph> (o <p>) e <sentence> (o <s>) sono elementi opzionali che possono essere usati per dare suggerimenti sulla struttura testuale. Se il testo racchiuso in un elemento <paragraph> o <sentence> non termina con un carattere di punteggiatura di fine frase (come un punto), il servizio aggiunge una pausa più lunga del normale all'audio sintetizzato.

L'unico attributo valido per l'elemento è xml:lang, che consente di passare da una lingua all'altra. L'attributo non è supportato.

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

L'elemento <phoneme>

L'elemento <phoneme> fornisce una pronuncia fonetica del testo allegato. L'ortografia fonetica rappresenta il suono di una parola, in che modo viene sillabato e su quali sillabe viene utilizzato l'accento (stress). L'elemento ha due attributi:

• alphabet è un attributo facoltativo che specifica la fonologia da utilizzare. Gli alfabeti supportati sono:

  • L'alfabeto fonetico internazionale (IPA) standard: alphabet="ipa".
  • Il sito IBM Rappresentazione fonetica simbolica (SPR): alphabet="ibm".

  Se non viene specificato alcun alfabeto, il servizio utilizza IBM SPR per impostazione predefinita. Per ulteriori informazioni, vedi Descrizione dei simboli fonetici.

• ph è un attributo obbligatorio che fornisce la pronuncia nell'alfabeto indicato. Gli esempi riportati di seguito mostrano la pronuncia della parola tomato in entrambi i formati:

  • Formato IPA:

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

  • Formato IPA con simboli Unicode:

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

  • Formato IBM SPR:

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

Per ulteriori informazioni sull'uso delle notazioni SPR e IPA con l'elemento <phoneme>, vedere Comprensione dei simboli fonetici.

L'elemento <prosody>

L'elemento <prosody> controlla l'intonazione e la velocità di riproduzione del testo. Tutti gli attributi sono facoltativi, ma si verifica un errore se non si specifica almeno un attributo con l'elemento.

Il servizio supporta i due seguenti attributi della specifica SSML:

• L'attributo pitch
• L'attributo rate

La specifica SSML offre anche quattro attributi che il servizio non supporta:

• L'attributo contour
• L'attributo range
• L'attributo duration
• L'attributo volume

Il servizio supporta anche parametri di query che ti consentono di regolare la frequenza e il tono per tutto il testo di una richiesta di sintesi vocale. Per ulteriori informazioni sui parametri e la relativa interazione con gli attributi pitch e rate dell'elemento <prosody>, consultare

• Modifica della velocità di conversazione
• Modifica del tono di conversazione

L'elemento <prosody> non è supportato per le voci naturali.

<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'elemento <say-as>

L'elemento <say-as> fornisce informazioni sul tipo di testo contenuto nell'elemento e specifica il livello di dettaglio per la resa del testo.

• L'elemento ha un attributo obbligatorio, interpret-as, che indica in che modo deve essere interpretato il testo racchiuso tra elementi di codice.
• L'elemento ha due attributi opzionali, format e detail, che vengono utilizzati solo con particolari valori dell'attributo interpret-as, come mostrato negli esempi seguenti.

Il servizio supporta l'elemento <say-as> con le lingue seguenti:

• Il servizio supporta completamente l'elemento <say-as> per l'inglese (Stati Uniti).
• Per la maggior parte delle altre lingue, il servizio supporta solo gli attributi digits e letters dell'elemento.
• Per il giapponese, il servizio supporta solo l'attributo digits. Il servizio ignora i caratteri non numerici inclusi nella stringa di cifre.

La pronuncia predefinita del servizio di stringhe alfabetiche, numeriche e alfanumeriche varia in base alla lingua, con ogni lingua che ha le proprie regole. È possibile utilizzare l'elemento <say-as> per controllare la modalità di pronuncia delle stringhe, incluso se devono essere scritte come singoli caratteri con gli elementi letters e digits.

Per il tedesco, è anche possibile controllare il ritmo con cui il servizio pronuncia i caratteri. Per ulteriori informazioni, consultare Specifica del modo in cui le stringhe vengono scritte.

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'elemento <speak>

Il servizio supporta i frammenti SSML, che sono elementi SSML che non includono l'intestazione XML completa. L'elemento <speak> è facoltativo per SSML che passi al servizio.

L'elemento <speak> è l'elemento radice dei documenti SSML. Gli attributi validi sono:

• version è un attributo obbligatorio che specifica la specifica SSML. Il valore accettato è 1.0.
• xml:lang non è richiesto dal servizio. Ometti l'attributo quando utilizzi questo elemento. Nota che non puoi utilizzare questo attributo per cambiare la lingua per una richiesta di sintesi vocale.
• xml:base non ha alcun effetto.
• xmlns non è richiesto dal servizio. Ometti l'attributo quando utilizzi questo elemento.

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

L'elemento <sub>

L'elemento <sub> indica che il testo specificato dall'attributo alias deve sostituire il testo racchiuso nell'elemento durante la sintesi vocale. L'attributo alias è l'unico attributo dell'elemento ed è obbligatorio.

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

L'elemento <voice>

Questo elemento di <voice> richiede un cambio di voce. Non è supportato.