语音合成标记语言 (SSML) 参考（Beta 版）

除了 Actions on Google 标准 SSML 元素之外，Actions on Google 平台还支持许多 SSML Beta 版功能。

受支持的 Beta 版 SSML 功能摘要：

<phoneme>：自定义特定字词的发音。
<say-as interpret-as="duration">：指定持续时间。
<voice>：在同一请求中切换语音。
<lang>：在同一请求中使用多种语言。
时间点：使用 <mark> 标记可返回转录内容中指定点的时间点。

`<phoneme>`

您可使用 <phoneme> 标记以内嵌方式生成单词的自定义发音。Actions on Google 接受 IPA 和 X-SAMPA 拼音字母。有关支持的语言和音素列表，请参阅音素页面。

每个 <phoneme> 标记的每个应用都指向单个字词的发音：

  <phoneme alphabet="ipa" ph="ˌmænɪˈtoʊbə">manitoba</phoneme>
  <phoneme alphabet="x-sampa" ph='m@"hA:g@%ni:'>mahogany</phoneme>

重音标记

一个转录最多可存在 3 个级别的重音：

主要压力：在 IPA 中以 ˈ 表示，在 X-SAMPA 中以 " 表示。
第二重压力：在 IPA 中以 ˌ 表示，在 X-SAMPA 中以 % 表示。
无重音：（在任一注释中）未标记有符号。

某些语言可能不到 3 个级别，或者跟踪不标识重音位置。请参阅音素页面，查看适用于您所用语言的压力水平。压力标记会放置在每个重音音节的开头。例如，以美式英语为例：

示例字词	IPA	X-SAMPA
water	`ˈwɑːtɚ`	"wA:t@`
underwater	`ˌʌndɚˈwɑːtɚ`	`%Vnd@"wA:t@`

广泛转录与窄转录

一般来说，您的转录必然是更加宽式、音素更强。例如，在美式英语中，转录交错的 t（而不是使用点按操作）：

示例字词	IPA	X-SAMPA
butter	`ˈbʌtɚ` 代替 `ˈbʌɾɚ`	"bVt@` 代替 "bV4@`

某些情况下，使用音素表示法会使 TTS 结果听起来不太自然（例如，如果音素序列在结构上很难发音）。

例如，用英语表示 s 的语音同化。此时，转录中应反映出这种同化：

示例字词	IPA	X-SAMPA
cats	`ˈkæts`	`"k{ts`
dogs	`ˈdɑːgz` 代替 `ˈdɑːgs`	`"dA:gz` 代替 `"dA:gs`

弱读

每个音节必须包含一个（且只包含一个）元音。这意味着应避免使用音节辅音，而是使用弱化元音进行转录。例如：

示例字词	IPA	X-SAMPA
kitten	`ˈkɪtən` 代替 `ˈkɪtn`	`"kIt@n` 代替 `"kitn`
kettle	`ˈkɛtəl` 代替 `ˈkɛtl`	`"kEt@l` 代替 `"kEtl`

音节划分

您可以选择使用 . 指定音节边界。每个音节都必须包含一个（且仅包含一个）元音。例如：

示例字词	IPA	X-SAMPA
可读性	`ˌɹiː.də.ˈbɪ.lə.tiː`	`%r\i:.d@."bI.l@.ti:`

时长

Actions on Google 平台支持使用 <say-as interpret-as="duration"> 正确读取时长。例如，以下示例将读出“5 小时 30 分钟”：

<say-as interpret-as="duration" format="h:m">5:30</say-as>

格式字符串支持以下值：

缩写词	值
h	小时
分钟	分钟
s	秒
ms	毫秒

`<voice>`

借助 <voice> 标记，您可以在单个 SSML 请求中使用多个语音。在以下示例中，默认语音是英语男声。除“qu'est-ce qui t'amèneici”以外，所有词语都将合成这种语音，后者在法语中以女语发音，而非默认语言（英语）和性别（男性）。

<speak>And then she asked, <voice language="fr-FR" gender="female">qu'est-ce qui
t'amène ici</voice><break time="250ms"/> in her sweet and gentle voice.</speak>

或者，您也可以使用 <voice> 标记指定单独的语音（支持的语音和语言页面上的语音名称），而不是指定 language 和/或 gender：

<speak>The dog is friendly<voice name="fr-CA-Wavenet-B">mais la chat est
mignon</voice><break time="250ms"/> said a pet shop
owner</speak>

当您使用 <voice> 标记时，Actions on Google 需要收到一个 name（您要使用的语音名称）或以下属性的组合。这三个属性都是可选的，但如果您不提供 name，则必须至少提供一个。

gender：male、female 或 neutral 中的一个。
variant：在根据您的配置有多种可能使用哪种语音的情况下，用作裁定程序。
language：您所需的语言。一个给定的 <voice> 标记中只能指定一种语言。以 BCP-47 格式指定您的语言。您可以在支持的语音和语言页面上的语言代码列中找到与您的语言对应的 BCP-47 代码。

您还可以使用两个附加标记 required 和 ordering 控制每个 gender、variant 和 language 特性的相对优先级。

required：如果某个特性指定为 required 但未正确配置，请求将失败。
ordering：ordering 标记后列出的任何属性都被视为首选属性，而非必需属性。SSML 会按照 ordering 标记之后的列出顺序，尽可能考虑首选属性。如果任何首选属性配置不正确，Actions on Google 可能仍会返回有效的语音，但该配置会丢失。

使用 required 和 ordering 标记的配置示例：

<speak>And there it was <voice language="en-GB" gender="male" required="gender"
ordering="gender language">a flying bird </voice>roaring in the skies for the
first time.</speak>

<speak>Today is supposed to be <voice language="en-GB" gender="female"
ordering="language gender">Sunday Funday.</voice></speak>

`<lang>`

您可以使用 <lang> 在同一 SSML 请求中包括多种语言的文本。所有语言都将合成到同一语音中，除非您使用 <voice> 标记明确更改语音。xml:lang 字符串必须包含 BCP-47 格式的目标语言（此值在 supported voices 表中列为“语言代码”）。在下面的示例中，“chat”将以法语（而非默认语言（英语））读出：

<speak>The french word for cat is <lang xml:lang="fr-FR">chat</lang></speak>

Actions on Google 平台会尽可能支持 <lang> 标记。如果在同一 SSML 请求中指定语言组合，并非所有语言组合都会产生相同的质量结果。在某些情况下，某个语言组合可能会产生可检测到但具有微妙或负面感知性的影响。已知问题：

<lang> 标记不支持带有汉字字符的日语。输入内容经过音译并读作中文字符。
<lang> 标记不支持阿拉伯语、希伯来语和波斯语等闪米特语言，会导致静默。如果您想使用其中任何一种语言，我们建议您使用 <voice> 标记，切换到讲您所需语言的语音（如果有）。