就像一个人能够使用各种语音到文本的“听写”工具将口语转换成相应的文本一样，我想知道是否有类似的工具可以将口语转换成相应的 SSML。也就是说，除了与说话者声音中存在的任何语调、韵律、停顿/中断、变形等相关的 SSML 标签之外，它还将提供文本。

我已经实现了播放短 SSML 音频剪辑的技能。

但是，一些音频剪辑中包含 Alexa 短语建议。

其中一个剪辑包含短语“alexa stop”。

令我惊讶的是，在这种情况下，当技能退出而不是遵循预期的工作流程时，Alexa 似乎在“倾听”自己。

对此我能做些什么吗？

我搜索了很多无法找到任何可靠的解决方案，它们是 Android TTS 默认引擎支持的有效 ssml 标签。任何人都可以请更新我。

这些标签是否支持所有安卓设备。

SSML 韵律元素可以采用表示相对变化的值，该值可以是百分比值（例如+50% 或-30%）。

那应该是多少百分比？它是当前音高的 Hz 值吗（因此八度音程（即 +12st）与 +100% 相同）？还是它与其他东西有关，例如 x-low 和 x-high 之间的范围（所以 x-low +50% 与 medium 相同，然后另一个 +50% 是 x-high）？是否只是由实施者决定？

我知道 SSML 不是用于标记音乐的系统，它代表“基线音高”或话语，而不是整个话语的准确音高。我只是想知道某些表达式是否可以被认为是等价的。

有没有办法在 Dialogflow 代理中为您的所有意图实现 SSML 元素？更具体地说，我想在全球范围内添加 108% 的韵律率，但我不想通过 5 页的意图和后续意图手动将标签添加到每个响应中。感谢任何能提供帮助的人。

谷歌node.js上的SSML不起作用。它只是将值与SSML tag一起告知。

示例： <speak> Hello <break time="1s"/> All </speak> 它只是告诉标签“小于说大于你好小于休息时间等于.......”

有时，在开发 Alexa 技能并对我的服务的响应进行编程时，Alexa 会误读我回复中的一个单词，从而使用户感到困惑。

例如，如果我想让 Alexa 说出一个单词，让它成为live ，我如何告诉 Alexa 如何正确发音该单词，因为live存在两个发音。

有没有办法向 Alexa 指示正确的发音，或者用正确的自定义声音替换它？我是否需要使用额外的标记或 API 调用？

我可以在此页面上看到 Actions on Google 确实支持 SSML，但是我无法让它在我的代理中工作。

我将 DialogFlow 与 PHP webhook 一起使用。

为了测试它，我的 webhook 通过 'speech' 参数提供以下响应：

在我的三星 S8 上通过 Google Assistant 进行测试，它以男性声音朗读（这是我的 Action in Actions on Google 的设置）。中断不显示在文本中，并且被语音引擎忽略。韵律标签出现在文本中，也被语音引擎忽略。

在 Google 音频模拟器上的 Actions 中尝试相同的输出确实可以正确解释 SSML 标签。

我是在做一些明显错误的事情，还是这些标签可能不受支持？

在我的 python webhook 中，我将 JSON 响应返回为-

但是，我从“显示 JSON”在 DialogFlow 中得到的是 -

在这里，响应没有 SSML 密钥。此外，如果我从程序中删除“语音”键，我会在 Google 助手测试应用程序中收到此错误，MalformedResponse expected_inputs[0].input_prompt.rich_initial_prompt.items[0].simple_response: 'text_to_speech' or 'ssml' must be放。

请帮忙！

回答

做到了

我发现当我发回带有<emphasis>句子内部的响应时，Google 的 Actions 将其视为一个新段落并打破了句子。

例如：

这是呈现的 mp3。

这个错误可以在TTS Simulator. 或由官方node.js SDK作为响应发送

我在这里添加了 2 句话并<p>强调差异。但是，实际上，这里没有必要。如果没有这些标签，问题可能会被复制。

根据SSML 标准 <emphasis>，可以在句子的中间。

另外的。我在 Amazon Alexa 上尝试过相同的标签，但它并不认为它是一个新产品线。

PS：

更多 Google Actions 打破了语音文本的呈现，并在<emphasis>. 但这是小问题——因为我可以通过 displayText 修复它。破碎的言语在这里更重要。