tencent cloud

SSML 是一种基于 XML 的语音合成标记语言。使用 SSML 可以更加准确、具体的定义合成音频的效果。

说明：

• 腾讯云语音合成服务的 SSML 实现，基于 W3C 的语音合成标记语言版本1.1。
• 目前只有中文合成支持 SSML 功能。

使用方式

将带标签的文本作为 text 参数值，上传至语音合成服务，发送给语音合成服务的请求内容如下：

{
"Action" : "TextToVoice",
"AppId" : 12345,
"Codec" : "mp3",
"Expired" : 1603271036,
"ModelType" : 1,
"PrimaryLanguage" : 1,
"ProjectId" : 0,
"SampleRate" : 8000,
"SecretId" : "AKID****",
"SessionId" : "1234",
"Speed" : 0,
"Text" : "<speak>电话号码是<say-as interpret-as=\"telephone\">4008110510</say-as>。</speak>",
"Timestamp" : 1603184636,
"VoiceType" : 1002,
"Volume" : 5
}

语音合成支持的 SSML 标签。其中 <speak> 标签中的未定义标签不合成，且 XML 格式错误可能会导致<speak> 标签的合成停止。

语音合成的 SSML 功能支持多个 <speak> 标签闭合嵌套于文本之中。例如：

<speak>她叫<say-as interpret-as="name">任盈盈</say-as>。
她的电话号码是<say-as interpret-as="telephone">+86-15188888888</say-as>。
她今年<say-as interpret-as="cardinal">22</say-as>岁了。
她有一个快递，单号是<say-as interpret-as="digits">5648234514237588</say-as>。
她的地址是<say-as interpret-as="address">深南大道10000号3单元304</say-as>。
</speak>再补充一下，<speak>
她的用户名是<say-as interpret-as="characters">b888_uαβγ</say-as>。
</speak>

标签

<speak>

描述

<speak>标签是所有待支持SSML标签的根节点。一切需要调用SSML标签的文本都要包含在“<speak></speak>”中。speak标签不支持属性。

语法

<speak>需要调用SSML标签的文本</speak>

标签关系

<speak> 标签可以包含文本和以下标签：<break>、<phoneme>、<say-as>、<sub>。

示例

<speak>需要调用SSML标签的文本。</speak>

音频效果：SSML-speak1.wav

<sub>

描述

使用别名替换标签内文本。

语法

<sub alias="别名">文本</sub>

属性

属性名称	属性类型	属性值	是否必选	描述
alias	String	替换后的内容	是	用于替换标签内的文本。

标签关系

标签仅包括文本。

示例

<speak><sub alias="语音合成">TTS</sub></speak>

音频效果：SSML-sub.wav

<break>

描述

用于在文本中插入停顿，该标签是可选标签。

语法

<break time="string"/>

属性

属性名称	属性类型	属性值	是否必选	描述
time	String	[number]s/[number]ms	是	以秒/毫秒为单位设置停顿的时长 （如“2s“、“50ms”）。[number]s：以秒为单位，[number]取值范围为[1, 10]的整数。[number]ms：以毫秒为单位，[number]取值范围为[50, 10000]的整数。

标签关系

<break>是空标签，不能包含任何标签。

示例

<speak>请闭上眼睛休息一下<break time="500ms"/>好了，请睁开眼睛。</speak>

<phoneme>

描述

用于控制标签内文本的读音，该标签是可选标签。

语法

<phoneme alphabet="py" ph="拼音串">文本</phoneme>

属性名称	属性类型	属性值	是否必选	描述
alphabet	String	py	是	“py”表示拼音。
ph	String	标签内文本对应的拼音串	是	拼音用法的赋值规范： - 字与字的拼音用空格分隔，拼音的数目必须与字数相等。 - 每个拼音由发音和音调组成，音调为1~5的数字编号，其中“5”表示轻声。

标签关系

<phoneme>标签仅包括文本。

示例

<speak>
现状是各地的经济水平是<phoneme alphabet="py" ph="cen1 ci1 bu4 qi2">参差不齐</phoneme>的。需要缩小较弱地域和较强地域的<phoneme alphabet="py" ph="cha1 ju4">差距</phoneme>。要做好这个<phoneme alphabet="py" ph="chai1 shi4">差事</phoneme>可不容易啊。
</speak>

音频效果：SSML-phoneme.wav

<say-as>

描述

用于指示出标签内文本的信息类型，进而按照该类型的默认发音方式发音。

语法

<say-as interpret-as="string">文本</say-as>

属性名称	属性类型	属性值	是否必选	描述
interpret-as	String	cardinal/digits/telephone/name/address/ id/characters/punctuation/ date/time/currency/measure	是	指示出标签内文本的信息类型： • cardinal：按整数或小数发音。 • digits：按数字发音。 • telephone：按电话号码常用方式发音。 • name：按人名发音。 • address：按地址发音。 • id：适用于账户名、昵称等。 • characters：将标签内的文本按字符一一读出。 • punctuation：将标签内的文本按标点符号的方式读出来。 • date：按日期发音。 • time：按时间发音。 • currency：按金额发音。 • measure：按计量单位发音。

各 <say-as>类型支持范围

• cardinal

  格式	示例	输出	说明
  数字串	1487	一千四百八十七	整数输入范围：[-18446744073709551615,18446744073709551615]。 小数输入范围：对小数点后小数的位数没有特殊限制，建议不超过10位。
  负号+数字串	-1487	负一千四百八十七
  以逗号分隔3位数字串	10,500	一万零五百
  负号+以逗号分隔3位数字串	-10,500	负一万零五百
  数字串+小数点+2个零	9.00	九
  负号+数字串+小数点+2个零	-110.00	负一百一十
  数字串+小数点+数字串	88.090	八十八点零九
  负号+数字串+小数点+数字串	-88.001	负八十八点零零一

• digits

  格式	示例	输出	说明
  数字串	356210985	三五六二一零九八五	对数字串的长度没有特殊限制。 建议不超过20位，且当数字串超过10位时，每个数字后插入停顿。

• telephone

  格式	示例	输出	说明
  座机号	5605560	五六零 五五六零	支持7~8位座机号，支持空格和’-‘作为分隔符。 其中：7位座机号支持“3-4”的数字分隔方式。8位座机号支持“4-4”的数字分隔方式。
  	560 5560	五六零 五五六零
  	560-5560	五六零 五五六零
  	55605560	五五六零 五五六零
  	5560 5560	五五六零 五五六零
  	5560-5560	五五六零 五五六零
  座机号+分机号	55605560-105	五五六零 五五六零 转幺零五	支持1~4位分机号。
  	55605560转105	五五六零 五五六零 转幺零五
  	55605560分机105	五五六零 五五六零 转幺零五
  	55605560分机号105	五五六零 五五六零 分机号幺零五
  区号+座机号	01055605560	零幺零 五五六零 五五六零	支持区号：010、02x、03xx、04xx、05xx、07xx、08xx、09xx。
  	010 55605560	零幺零 五五六零 五五六零
  	010-5560-5560	零幺零 五五六零 五五六零
  	(010)55605560	零幺零 五五六零 五五六零
  	031955605560	零三幺九 五五六零 五五六零
  	0319-55605560	零三幺九 五五六零 五五六零
  区号+座机号+分机号	010 33878528-1054	零幺零 三三八七 八五二八 转幺零五四	无
  	010-33878528-1054	零幺零 三三八七 八五二八 转幺零五四
  	(010)33878528-1054	零幺零 三三八七 八五二八 转幺零五四
  	(010)33878528转1054	零幺零 三三八七 八五二八 转幺零五四
  	(010)33878528分机1054	零幺零 三三八七 八五二八 分机幺零五四
  	(010)33878528分机号1054	零幺零 三三八七 八五二八 分机号幺零五四
  国家代码+区号+座机号	86-010-33878528	八六 零幺零 三三八七	支持国家代码：86、(86)、+86、(+86)、0086。并统一读为“八六”。
  	(86)10-33878528	八六 幺零 三三八七 八五二八
  	+86-010-33878528	八六 零幺零 三三八七 八五二八
  	0086-10-33878528	八六 幺零 三三八七 八五二八
  	(+86)-10-3387 8528	八六 幺零 三三八七 八五二八
  国家代码+区号+座机号+分机号	(86)21-33878528-1054	八六 二幺 三三八七 八五二八 转幺零五四	无
  	(86)021-3387-8528-1054	八六 零二幺 三三八七 八五二八 转幺零五四
  	(86)021-33878528转1054	八六 零二幺 三三八七 八五二八 转幺零五四
  	(86)21-3387-8528分机号1054	八六 二幺 三三八七 八五二八 分机号幺零五四
  	+86-021-3387-8528分机1054	八六 零二幺 三三八七 八五二八 分机幺零五四
  手机号	151 8828 1075	幺五幺八八二八 幺零七五	支持11位手机号，支持3-3-5、3-4-4两种数字分隔方式
  	151-882-81075	幺五幺 八八二 八幺零七五
  	151-8828-1075	幺五幺八八二八 幺零七五
  国家代码+手机号	+86-15188281075	八六 幺五幺 八八二八 幺零七五	无
  	(+86)-151-8828-1075	八六 幺五幺 八八二八 幺零七五
  	+8615188281075	八六 幺五幺 八八二八 幺零七五
  	0086-151 882 81075	八六 幺五幺 八八二 八幺零七五
  服务号	110	幺幺零	支持常用的服务号如110。 支持以400/800开头的10位服务号，支持以“3-3-4”的数字分隔方式。 支持以12530/17951/12593开头的16位号码。
  	95566	九五五六六
  	4008110280	四零零 八幺幺 零二八零
  	800-810-8888	八零零 八幺零 八八八八
  	1253013520638377	幺二五三零 幺三五 二零六三 八三七七
  其他	(86)(21)8832-80976-0907	八六 二幺 八八三二 八零九七六 零九零七	支持“数字串+分隔符（左右括号、-）”方式。

• address

  格式	示例	输出	说明
  常用地址格式	深南大道1000号103-3	深南大道 幺零零零号幺零三杠三	支持常用地址格式。此处地址指标准的邮寄地址。
  	高新中四道377弄1137-1128号	高新中四道三七七弄幺幺三七杠幺幺二八号
  	华润城六期3-1-3805	华润城六期三杠一杠三八零五
  	大族云峰大厦2幢2106室	大族云峰大厦二幢二幺零六室
  	高新中三道151弄19号	高新中三道幺五幺弄十九号

• id

  格式	示例	输出	说明
  字符串	dell3301	D E L L 三 三 零 一	大小写英文字符、阿拉伯数字0~9、下划线。 输出的空格表示每个字符之间插入停顿，即字符一个一个地读。
  	tencent_1998	T E N C E N T 下划线 一 九 九 八
  	AiDemo	A I D E M O

• characters

  格式	示例	输出	说明
  字符串	ISO 1-001-095498-1	I S O 一 杠 零 零 一 杠 零 五 四 零 九 八 杠 一	支持中文汉字、大小写英文字符、阿拉伯数字0~9以及部分全角和半角字符。 输出的空格表示每个字符之间插入停顿，即字符一个一个地读。标签内的文本如果包含XML的特殊字符，需要做字符转义。常用的共有5个： < > & " ' 分别对应<、>、& 、"、'。
  	x10u2385_u	x 一 零 u 二 三 八 五 下划线 u
  	v1.1.1	v 一 点 一 点 一
  	版本号2.0	版本号二 点 零
  	粤B BA000	粤B B A 零 零 零
  	空中客车A330	空中客车A 三 三 零
  	型号B01 B02和B03	型号B 零 一 B 零二 和B 零 三
  	αβγ	阿尔法 贝塔 伽玛

• punctuation

  格式	示例	输出	说明
  标点符号	…	省略号	支持常见中英文标点。输出的空格表示每个字符之间插入停顿，即字符一个一个地读。 标签内的文本如果包含XML的特殊字符，需要做字符转义。常用的共有5个： < > & " ' 分别对应<、>、& 、"、'。
  	……	省略号
  	!"#$%&	叹号 双引号 井号 dollar 百分号 and
  	‘()*+	单引号 左括号 右括号 星号 加号
  	,-./:;	逗号 杠 点 斜杠 冒号 分号
  	<=>?@	小于 等号 大于 问号 at
  	[\]^_	左方括号 反斜线 右方括号 脱字符 下划线

• date

  格式	示例	输出	说明
  xx年	71年	七一年	支持2位和4位年份。其中： 2位年份支持60年~99年、00年~09年、10年~19年。 4位年份支持1000年~1999年、2000年~2099年。
  	08年	零八年
  	20年	二零年
  	2020年	二零二零年
  	1998年	一九九八年
  	2008年	二零零八年
  xx年xx月	08年5月	零八年五月	当月份为1到9月时，支持开头带”0”和不带”0”两种写法。例如”1908年4月”和”1908年04月”。
  	2020年04月	二零二零年四月
  	08年8月	零八年八月
  	2020年8月	二零二零年八月
  xx年xx月xx日 xx年xx月xx号	98年4月23日	九八年四月二十三日	当日期为1到9日时，支持开头带”0”和不带”0”两种写法。例如”1908年4月8日”和”1908年04月08日”。
  	2020年08月23日	二零二零年八月二十三日
  	20年8月8号	二零年八月八号
  	2020年08月08号	二零二零年八月八号
  xx月xx号	8月20日	八月二十日	无
  	08月08号	八月八号
  年月缩写	2020/08	二零二零年八月	支持”/“、”-“、”.”作为缩写的分隔符。
  	2020-08	二零二零年八月
  	2020.08	二零二零年八月
  年月日缩写	2020/08/09	二零二零年八月九日
  	2020-8-9	二零一八年八月八日
  	2020.08.09	二零一八年八月九日
  xx年xx月xx日~xx年xx月xx日 xx年xx月xx号~xx年xx月xx号	20年8月9日~30日	二零年八月九日至三十日	支持”~”、”-“作为”至”的缩写标志。
  	2020年08月09号-2020年09月09号	二零二零年八月九月一号至二零二零年九月九
  xx年xx月~xx年xx月	20年04月~21年04月	二零年四月至二一年四月
  	2020年04月~2021年04月	二零二零年四月至二零二一年四月
  xx月xx日~xx月xx日 xx月xx号~xx月xx号	10月1日~10月7日	十月一日至十月七日
  	10月01号~10月07号	十月一号至十月七号
  xx月xx日~xx日 xx月xx号~xx号	10月1日~7日	十月一日至七日
  	10月01号~07号	十月一号至七号
  年月日缩写~年月日缩写	2020/03/03~2021/03/03	二零二零年三月三日至二零二一年三月三日	支持”/“、”.”作为缩写的分隔符，支持”~””-“作为”至”的缩写标志。
  	2020.9.9~2021.9.9	二零二零年九月九日至二零二一年九月九日
  月日缩写~月日缩写	10/20~10/31	十月二十日至十月三十一日
  xx~xx月xx月~xx月	1~10月	一至十月
  	1月~10月	一月至十月
  月日年缩写	10/25/2020	二零二零年十月二十五日	仅支持4位的年份，仅支持“/”作为日期的分隔符，仅支持”月/日/年”的书写方式。

• time

  格式	示例	输出	说明
  时刻	12:00	十二点	支持常用时间和时间范围格式。
  	12:00:00点	十二点
  	10:25分	十点二十五分
  	10:25:30	十点二十五分三十秒
  	09:25:14	九点二十五分十四秒
  时刻~时刻	11:00~12:00	十一点到十二点
  	09:00-14:00	九点到十四点
  	11:00~11:30	十一点到十一点三十分
  	11:00-15:18	十一点到十五点十八分
  	10:30~11:00	十点三十分到十一点
  	09:28-10:00	九点二十八分到十点
  	10:20~11:20	十点二十分到十一点二十分
  	06:00~08:00	六点到八点
  	上午10:20~下午13:30	上午十点二十分到下午十三点三十分
  时间缩写	5:00am	凌晨五点	当缩写为 am 时，小时在[0,5]范围内读作凌晨； 当单位为 am 时，小时在[6,11]范围内读作上午。 当缩写为 pm 时，小时为12时读作中午； 当单位为 pm 时，小时在[1,5]范围内读作下午；小时在[6,11]范围内读作晚上。
  	5:30am	凌晨五点三十分
  	5:20:12am	凌晨五点二十分十二秒
  	7:00am	上午七点
  	7:30AM	上午七点半
  	7:20:25a.m.	上午七点二十分二十五秒
  	07:08:12A.M.	上午七点零八分十二秒
  	5:00pm	下午五点
  	5:30PM	下午五点三十分
  	5:20:12p.m.	下午五点二十分十二秒
  	05:09:12P.M	下午五点零九分十二秒
  	9:00pm	晚上九点
  	9:30pm	晚上九点三十分
  	9:20:12PM	晚上九点二十分十二秒
  	9:02:12P.M.	晚上九点零二分十二秒
  	12:00pm	中午十二点
  	12:30p.m.	中午十二点三十分
  	12:20:12PM	中午十二点二十分十二秒

• currency

  格式	示例	输出	说明
  数字+金额标识符	12.00USD	十二美元	支持 AUD（澳元） 、CAD（加元）、 HKD（港币）、JPY（日元）、USD（美元）、CHF（瑞士法郎）、NOK（挪威克朗）、SEK（瑞典克朗）、GBP（英镑）、 RMB（人民币）、CNY（元）和 EUR（欧元）。 支持的数字格式包括：整数、小数以及以逗号分隔的国际写法。
  	12.50USD	十二点五美元
  	15,000,000USD	一千五百万美元
  	15,000,000.00USD	一千五百万美元
  	12,000.35USD	一万两千点三五美元
  金额标识符+数字	$12	十二美元	支持 CAD（加元）、$（美元）、$（美元）、Fr（法郎）、kr（丹麦克朗）、£（英镑）、¥（元）￥（元）和 €（欧元）。 支持的数字格式包括：整数、小数以及以逗号分隔的国际写法。
  	$12.00	十二美元
  	$12.12	十二点一二美元
  	$12,000	一万两千美元
  	$12,000.00	一万两千美元
  	$12,000.99	一万两千点九九美元
  其他默认读法	1213	一千二百一十三	无
  	1213KML	一千二百一十三K M L
  	1213.00KML	一千二百一十三K M L
  	1213.9KML	一千二百一十三点九K M L
  	1,000KML	一千K M L
  	1,000.00KML	一千K M L
  	1,000.98KML	一千点九八K M L
  	12,000	一万两千

• measure

  格式	示例	输出	说明
  数字+中文单位	2片	两片	支持常见中文单位及单位缩写
  	120公顷	一百二十公顷
  	100多毫克	一百多毫克
  	100来米	一百来米
  	100余人	一百余人
  	1厘米20毫米	一厘米二十毫米
  	120.00平方公里	一百二十平方公里
  数字+单位缩写	120.56cm²	一百二十点五六平方厘米
  	120㎡56cm²	一百二十平方米五十六平方厘米
  	100m12cm6mm	一百米十二厘米六毫米
  范围	10~15kg	十至十五千克
  	10.24~789.82亩	十点二四至七百八十九点八二亩
  	10米~15米	十米至十五米
  	10.24cm~19.08cm	十点二四厘米至十九点零八厘米
  数字+单位+"/"+单位	10美元/斤	十美元每斤
  	199~299美元/件	一百九十九至二百九十九美元每件
  	299.99美元/g~399.99美元/g	二百九十九点九九美元每克至三百九十九点九九美元每克
  其他默认读法	12扎	十二扎
  	30rm	三十r m
  	4万万同胞	四万万同胞
  	12.897微克	十二点八九七微克

<say-as> 常见符号读法

符号	读法
!	叹号
“	双引号
#	井号
$	dollar
%	百分号
&	and
‘	单引号
(	左括号
)	右括号
*	星
+	加
,	逗号
-	杠
.	点
/	斜杠
:	零冒号
;	分号
<	小于
=	等号
>	大于
?	问号
@	at
[	左方括号
\	反斜线
]	右方括号
^	脱字符
_	下划线
`	反引号
{	左花括号
}	右花括号
~	波浪线
！	叹号
“	左双引号
”	右双引号
‘	左单引号
’	右单引号
（	左括号
）	右括号
，	逗号
。	句号
—	杠
：	冒号
；	分号
？	问号
、	顿号
…	省略号
……	省略号
《	左书名号
》	右书名号
￥	人民币符号
≥	大于等于
≤	小于等于
≠	不等于
≈	约等于
±	加减
×	乘
π	派
Α	阿尔法
Β	贝塔
Γ	伽玛
Δ	德尔塔
Ε	艾普西龙
Ζ	捷塔
Ε	依塔
Θ	西塔
Ι	艾欧塔
Κ	喀帕
∧	拉姆达
Μ	缪
Ν	拗
Ξ	克西
Ο	欧麦克轮
∏	派
Ρ	柔
∑	西格玛
Τ	套
Υ	宇普西龙
Φ	fai
Χ	器
Ψ	普赛
Ω	欧米伽
α	阿尔法
β	贝塔
γ	伽玛
δ	德尔塔
ε	艾普西龙
ζ	捷塔
η	依塔
θ	西塔
ι	艾欧塔
κ	喀帕
λ	拉姆达
μ	缪
ν	拗
ξ	克西
ο	欧麦克轮
π	派
ρ	柔
σ	西格玛
τ	套
υ	宇普西龙
φ	fai
χ	器
ψ	普赛
ω	欧米伽

<say-as> 常见计量单位

格式	类别	示例
缩写	长度	nm（纳米）、μm（微米）、mm（毫米）、cm（厘米）、m（米）、km（千米）、ft（英尺）、in（英寸）
	面积	cm²（平方厘米）、㎡（平方米）、km²（平方千米）、SqFt（平方英尺）
	体积	cm³（立方厘米）、m³（立方米）、km³（立方千米）、mL（毫升）、L（升）、gallon（加仑）
	重量	μg（微克）、mg（毫克）、g（克）、kg（千克）
	时间	min（分）、sec（秒）、ms（毫秒）
	电磁	μA（微安）、mA（毫安）、Ω（欧姆）、Hz（赫兹）、KHz（千赫兹）、MHz（兆赫兹）、GHz（吉赫兹）、V（伏）、kV（千伏）、kWh（千瓦时）
	声音	dB（分贝）
	气压	Pa（帕）、kPa（千帕）、Mpa（兆帕）
	中文单位	支持不限于上述类别的中文单位，例如“米”、“秒”、“美元”、“毫升每瓶”等。以及中文量词，例如“架”、“场”、“头”、“部”、“盆”等。

标签关系

<say-as>标签仅包括文本。

示例

• cardinal

  <speak>
  <say-as interpret-as="cardinal">12345</say-as>
  </speak>
  

音频效果：say-as-cardinal.wav

• digits

  <speak>
  <say-as interpret-as="digits">12345</say-as>
  </speak>
  

音频效果：say-as-digits.wav

• telephone

  <speak>
  <say-as interpret-as="telephone">12345</say-as>
  </speak>
  

音频效果：say-as-telephone.wav

• name

  <speak>
  她的曾用名是<say-as interpret-as="name">曾小凡</say-as>
  </speak>
  

音频效果：say-as-name.wav

• address

  <speak>
  <say-as interpret-as="address">深南大道10000号1号楼3单元304</say-as>
  </speak>
  

音频效果：say-as-address.wav

• id

  <speak>
  我的用户名是<say-as interpret-as="id">tencent_8858</say-as>
  </speak>
  

音频效果：say-as-id.wav

• characters

  <speak>
  希腊字母<say-as interpret-as="characters">αβ</say-as>
  </speak>
  

音频效果：say-as-characters.wav

• punctuation

  <speak>
  我最常用的标点是<say-as interpret-as="punctuation">，</say-as>
  </speak>
  

音频效果：say-as-punctuation.wav

• date

  <speak>
  <say-as interpret-as="date">2020-10-10</say-as>
  </speak>
  

音频效果：say-as-date.wav

• time

  <speak>
  <say-as interpret-as="time">5:30am</say-as>
  </speak>
  

音频效果：SSML-say-as_time.mp3

• currency

  <speak>
  <say-as interpret-as="currency">15,000.00RMB</say-as>
  </speak>
  

音频效果：say-as-currency.wav

• measure

  <speak>
  <say-as interpret-as="measure">100m²15cm²</say-as>
  </speak>
  

音频效果：say-as-measure.wav