Как улучшить синтез с SSML-разметкой

Обновлено 14 марта 2024

SSML (Speech Synthesis Markup Language) — язык разметки синтеза речи. Позволяет настраивать преобразование текста в речь и делает речь более естественной и выразительной.

SSML базируется на спецификации от W3C.

Доступные функции

• Добавление паузы в текст — тег break.
• Замена произношения на более привычное — тег sub.
• Добавление фонового звука — тег extra.background-audio.
• Правильное произнесение аббревиатур, дат и числительных – тег say-as.
• Управление тоном, интонацией, скоростью и громкостью – тег paint.
• Полное произнесение года — тег extra.fulldate.
• Выделение слова интонацией.
• Ударения в словах.
• Обработка букв е и ё.

Также для синтезируемого текста внутри SSML-разметки поддерживаются различные символы. Подробнее в разделе Символы и междометия.

Как использовать SSML

Если вы используете SSML-разметку, то в заголовке запроса на синтез Content-Type должно быть значение application/ssml.

Текст с разметкой размещается в теле запроса в теге speak, например:

<speak>
Привет!
<break time="200ms" />
Как прошел день?
<break strength="weak" />
<paint speed="2">Все хорошо?</paint>
</speak>

Перед отправкой запроса проверьте правильность оформления текста:

• Все теги закрыты.
• В запросе есть только один верхнеуровневый тег speak.
• Все атрибуты — в двойных кавычках.
• Символ & экранирован: &amp.
• В тексте используются только теги, описанные в данном разделе.

Если при использовании тегов SSML вы получили ошибку, проверьте, что ваш запрос — это корректный XML.

Если запрос выглядит корректным, но все равно не работает — напишите нам на SaluteSpeech@sberbank.ru.