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
<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis"
xmlns:mstts="https://www.w3.org/2001/mstts" xml:lang="en-US">
<!-- 正文内容 -->
</speak>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
<voice name="en-US-JennyNeural">
This is the default voice.
</voice>2. 动态切换发音人
<voice name="en-US-JennyNeural">
Main content...
<voice name="en-US-GuyNeural">
Interruption part
</voice>
</voice>四、韵律控制
1. 语速调节
<prosody rate="+20%">加速20%</prosody>
<prosody rate="-30%">减速30%</prosody>
<!-- 取值范围：0.5x-3x -->
<!-- 微软扩展 -->
<mstts:silence type="Sentenceboundary" value="500ms"/>2. 音调调节
<prosody pitch="high">高音调</prosody>
<prosody pitch="+5st">升高5半音</prosody>
<!-- 范围：-12st到+12st -->3. 音量控制
<prosody volume="+6dB">大声</prosody>
<prosody volume="soft">轻声</prosody>
<!-- 范围：-24dB到+24dB -->4. 停顿控制
<break time="500ms"/> <!-- 精确毫秒控制 -->
<break strength="x-weak"/> <!-- 四级停顿强度 -->
<bookmark mark="chapter1"/> <!-- 锚点标记 -->五、高级发音控制
1. 多语言混合
<lang xml:lang="ja-JP">
こんにちは
</lang>2. 音素控制
<phoneme alphabet="sapi" ph="t eh 1 k s t">text</phoneme>
<!-- 支持IPA/SAPI两种音标体系 -->3. 特殊发音
<say-as interpret-as="telephone">+1 (800) 555-1234</say-as>
<say-as interpret-as="ordinal">3rd</say-as>
<!-- 支持18种语义解释类型 -->六、语音风格控制（微软扩展）
1. 情感表达
<mstts:express-as style="cheerful">
今天真是个好天气!
</mstts:express-as>
<!-- 支持15+情感风格 -->2. 角色扮演
<mstts:role-play role="Boy">
妈妈你看，飞机！
</mstts:role-play>3. 背景音效
<mstts:backgroundaudio src="soundbank://sound/restaurant/plate_clinking"/>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：
<prosody rate="-10%"><break strength="medium"/>重要内容</prosody> - 多语音工程结构：
<speak version="1.0"> <voice name="en-US-JennyNeural" role="narrator"> <!-- 主叙述 --> </voice> <voice name="en-US-AriaNeural" style="whispering"> <!-- 画外音 --> </voice> </speak>
八、完整示例
<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xmlns:mstts="https://www.w3.org/2001/mstts" xml:lang="zh-CN">
<voice name="zh-CN-XiaomoNeural">
女儿看见父亲走了进来，问道：
<mstts:express-as role="YoungAdultFemale" style="calm">
“您来的挺快的，怎么过来的？”
</mstts:express-as>
父亲放下手提包，说：
<mstts:express-as role="OlderAdultMale" style="calm">
“刚打车过来的，路上还挺顺畅。”
</mstts:express-as>
</voice>
</speak>
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。
