微软SSML语音合成标记语言完全指南

官方文档：语音合成标记语言 (SSML) 的语音和声音 - 语音服务 - Azure AI services | Microsoft Learn

一、SSML概述

Speech Synthesis Markup Language（SSML）是W3C标准的XML格式标记语言，用于精确控制语音合成的输出效果。微软Azure认知服务的神经语音技术深度支持SSML规范，并提供扩展功能，可实现对发音、语调、节奏等200+参数的精细控制，支持超过450种神经语音和90种标准语音。

二、基础文档结构

xmlns:mstts="https://www.w3.org/2001/mstts" xml:lang="en-US">

支持多命名空间嵌套，可通过xml:lang声明主语言（支持87种语言/变体）

三、语音控制

1. 选择发音人

This is the default voice.

2. 动态切换发音人

Main content...

Interruption part

四、韵律控制

1. 语速调节

加速20%

减速30%

2. 音调调节

高音调

升高5半音

3. 音量控制

大声

轻声

4. 停顿控制

五、高级发音控制

1. 多语言混合

こんにちは

2. 音素控制

text

3. 特殊发音

+1 (800) 555-1234

3rd

六、语音风格控制（微软扩展）

1. 情感表达

今天真是个好天气!

2. 角色扮演

妈妈你看，飞机！

3. 背景音效

七、最佳实践建议

渐进式调节原则：每次只调整一个参数

环境适配：设备外放建议+3dB音量补偿

自然停顿配置：

重要内容

多语音工程结构：

八、完整示例

女儿看见父亲走了进来，问道：

“您来的挺快的，怎么过来的？”

父亲放下手提包，说：

“刚打车过来的，路上还挺顺畅。”

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。

酷猫猫SVIP

收藏

海报

链接