Elementos e atributos suportados

A Tabela 1 resume o suporte do serviço para elementos e atributos SSML:

• Integral significa que o serviço suporta totalmente o elemento ou atributo com suas interfaces HTTP e WebSocket.
• Parcial significa que o suporte do serviço para o elemento ou atributo é limitado de uma das seguintes formas:
  • O serviço suporta apenas alguns aspectos do elemento ou atributo.
  • O serviço suporta o elemento ou atributo com apenas algumas de suas vozes.
  • O serviço suporta o elemento ou atributo com apenas uma de suas interfaces, HTTP ou WebSocket.
• Nenhum significa que o serviço não suporta o elemento ou atributo.

As seções a seguir fornecem descrições de cada elemento ou atributo, incluindo exemplos, restrições, e se o suporte do serviço difere da SSML padrão. O suporte para alguns atributos e valores difere um pouco da especificação SSML. Para obter mais informações, consulte W3C Speech Synthesis Markup Language(SSML)Versão 1.1.

O elemento <audio>

Este elemento <audio> insere elementos registrados no áudio gerado pelo serviço. Ele não é suportado.

O elemento <break>

O elemento <break> insere uma pausa no texto falado. Ele tem os atributos opcionais a seguir:

• strength especifica o comprimento da pausa em termos de valores de intensidade variados:
  • none suprime uma quebra que poderia ser produzida durante o processamento.
  • x-weak, weak, medium, strong ou x-strong inserem quebras cada vez mais intensas.
• timeespecifica o comprimento da pausa em termos de segundos ou milissegundos. Os formatos de valor válidos são {integer}s para segundos ou {integer}ms para milissegundos.

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

O elemento <break> é a funcionalidade beta para vozes naturais.

Quando usado com o atributo time e as vozes Expressive ou Natural, o elemento <break> introduz uma pausa de aproximadamente a duração especificada, embora o tempo exato possa variar de acordo com a voz e o contexto.

O elemento <desc>

O elemento <desc> pode ocorrer apenas dentro de um elemento <audio>. Como o elemento <audio> não é suportado, o elemento <desc> também não.

O elemento <emphasis>

O elemento <emphasis> é suportado para uso apenas com as vozes neurais expressivas.

Com as vozes neurais expressivas, você pode usar o elemento <emphasis> para enfatizar ou desenfatizar uma ou mais palavras do texto de entrada. O elemento suporta um atributo level opcional que aceita um dos seguintes valores:

• none-Impede o serviço de enfatizar texto que, de outra forma, poderia ser enfatizado.
• moderate-Fornece uma quantidade perceptível de ênfase ao texto. Este nível é o padrão se você omitia o atributo level.
• strong-Fornece uma quantidade mais significativa de ênfase para o texto do que o nível moderado proporciona.
• reduced-De-enfatiza o texto tendendo a reduzir seu significado no áudio. Esse nível é o oposto de ressaltar o texto.

O exemplo a seguir aplica o nível moderate à palavra give:

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

Para obter mais informações, consulte Emphasizing words.

O elemento <express-as>

O elemento <express-as> é uma extensão SSML específica para o serviço Text to Speech. Ele é suportado para uso apenas com as vozes neurais expressivas.

Com as vozes neurais expressivas, você pode usar o elemento <express-as> para aplicar estilos de fala para aprificar a ênfase do serviço de determinadas características para toda ou parte do texto de entrada. O elemento suporta um atributo style necessário que aceita um dos estilos de fala a seguir:

• cheerful-Expressa felicidade e boas notícias.
• empathetic-Expressa empatia e compaixão.
• neutral-Expressa objetividade e unibilidade.
• uncertain-Expressa confusão e incerteza.

O exemplo a seguir aplica o estilo cheerful a todo o texto de entrada:

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

Para obter mais informações, consulte Usando estilos de fala.

O elemento <lexicon>

Este elemento <lexicon> apresenta dicionários de pronúncia para o documento SSML fornecido. Ele não é suportado.

É possível usar a interface de customização do serviço para definir um dicionário de entradas customizadas (pares de palavra/tradução) para uso durante a síntese de discurso. Para obter mais informações, consulte Entendendo a customização.

O elemento <mark>

O elemento <mark> é suportado apenas pela interface WebSocket do serviço, não por sua interface HTTP, que ignora o elemento. Para obter mais informações, consulte Especificando uma marca do SSML.

O elemento <mark> não é compatível com vozes naturais.

O elemento <mark> é um elemento vazio que coloca um marcador no texto a ser sintetizado. O cliente é notificado quando todo o texto que antecedeu o elemento <mark> foi sintetizado. O elemento aceita um único atributo nameque especifica uma sequência que identifica exclusivamente a marca; o nome deve começar com um caractere alfanumérico. O nome é retornado com o horário no qual a marca ocorre no áudio sintetizado.

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

Os elementos <meta> e <metadata>

Os elementos <meta> e <metadata> são contêineres nos quais você pode colocar informações sobre o documento. Eles não são suportados.

Os elementos <paragraph> e <sentence>

Os elementos <paragraph> (ou <p>) e <sentence> (ou <s>) são elementos opcionais que podem ser usados para dar dicas sobre a estrutura textual. Se o texto entre os sinais em um elemento <paragraph> ou <sentence> não terminar com um caractere de pontuação de fim de sentença (como um ponto), o serviço incluirá uma pausa mais longa do que o normal no áudio sintetizado.

O único atributo válido para qualquer elemento é xml:lang, que permite a alternância de idioma. O atributo não é suportado.

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

O elemento <phoneme>

O elemento <phoneme> fornece uma pronúncia fonética para o texto entre os sinais. A ortografia fonética representa os sons de uma palavra, como eles são divididos em sílabas e quais sílabas recebem o acento. O elemento tem dois atributos:

• alphabet é um atributo opcional que especifica a fonologia a ser usada. Os alfabetos suportados são

  • O Alfabeto Fonético Internacional Padrão (IPA): alphabet="ipa".
  • A Representação Fonética Simbólica (SPR) da IBM: alphabet="ibm".

  Se nenhum alfabeto for especificado, o serviço usará o IBM SPR por padrão. Para obter mais informações, consulte Entendendo os símbolos fonéticos

• ph é um atributo necessário que fornece a pronúncia no alfabeto indicado. Os exemplos a seguir mostram a pronúncia para a palavra tomatoem ambos os formatos:

  • Formato do IPA:

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

  • Formato do IPA com símbolos Unicode:

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

  • Formato SPR da IBM:

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

Para obter mais informações sobre o uso de notações de SPR e IPA com o elemento <phoneme>, consulte Entendendo símbolos fonéticos.

O elemento <prosody>

O elemento <prosody> controla o tom e a taxa de fala do texto. Todos os atributos são opcionais, mas ocorre um erro se você não especificar pelo menos um atributo com o elemento.

O serviço suporta os dois atributos a seguir da especificação SSML:

• O atributo pitch
• O atributo rate

A especificação SSML também oferece quatro atributos que o serviço não suporta:

• O atributo contour
• O atributo range
• O atributo duration
• O atributo volume

O serviço também suporta parâmetros de consulta que deixam você ajustar a taxa e pitch para todo o texto de um pedido de síntese de fala. Para obter mais informações sobre os parâmetros e sua interação com os atributos pitch e rate do elemento <prosody>, consulte

• Modificando a taxa de fala
• Modificando o pitch de fala

O elemento <prosody> não é compatível com vozes naturais.

<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>

O elemento <say-as>

O elemento <say-as> fornece informações sobre o tipo de texto que está contido dentro do elemento e especifica o nível de detalhes para renderização do texto.

• O elemento tem um atributo necessário, interpret-as, que indica como o texto entre aspas deve ser interpretado.
• O elemento possui dois atributos opcionais, format e detail, que são usados apenas com valores particulares do atributo interpret-as, como mostrado nos exemplos a seguir.

O serviço suporta o elemento <say-as> com os idiomas a seguir:

• O serviço suporta totalmente o elemento <say-as> para o inglês dos EUA.
• Para a maioria dos outros idiomas, o serviço suporta apenas os atributos digits e letters do elemento.
• Para japonês, o serviço suporta apenas o atributo digits. O serviço ignora caracteres não numéricos que são incluídos na sequência de dígitos.

A pronúncia padrão do serviço de cadeias alfabéticas, numéricas e alfanuméricas varia por idioma, sendo que cada idioma tem suas próprias regras. Você pode usar o elemento <say-as> para controlar como as strings são pronunciadas, incluindo se elas devem ser grafadas como caracteres individuais com os elementos letters e digits.

Para o alemão, você também pode controlar o ritmo em que o serviço pronuncia os personagens. Para obter mais informações, consulte Especificando como as strings são grafadas fora.

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>

O elemento <speak>

O serviço suporta fragmentos do SSML, que são elementos do SSML que não incluem o cabeçalho XML completo. O elemento <speak> é opcional para SSML que você passa para o serviço.

O elemento <speak> é o elemento raiz para documentos SSML. Os atributos válidos são

• version é um atributo necessário que determina a especificação do SSML. O valor aceito é 1.0.
• xml:lang não é necessário para o serviço. Omita o atributo quando usar esse elemento. Note que não é possível utilizar este atributo para alterar o idioma para um pedido de síntese de fala.
• xml:baseNão tem nenhum efeito.
• xmlns não é necessário para o serviço. Omita o atributo quando usar esse elemento.

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

O elemento <sub>

O elemento <sub> indica que o texto que é especificado pelo atributo alias é para substituir o texto que está entre os sinais dentro do elemento quando o discurso é sintetizado. O atributo alias é o único do elemento e é necessário.

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

O elemento <voice>

Este elemento <voice> solicita uma mudança na voz. Ele não é suportado.