Usar a Linguagem de Marcação de Sintetização de Voz

Embora o SDK de Fala do Azure permita que você envie texto sem formatação para ser sintetizado em fala, o serviço também dá suporte a uma sintaxe baseada em XML para descrever características da fala que você deseja gerar. Esta sintaxe SSML ( Speech Synthesis Markup Language ) oferece maior controle sobre como a saída falada soa, permitindo que você:

• Especifique um estilo de fala, como "animado" ou "alegre" ao usar uma voz neural.
• Insira pausas ou silêncio.
• Especificar fonemas (pronúncias fonéticas), por exemplo, pronunciar "SQL" como "sequel".
• Ajustar a prosódia da voz (afetando o tom, o timbre a velocidade de fala).
• Use regras "say-as" comuns, por exemplo, para especificar que uma determinada cadeia de caracteres deve ser expressa como uma data, uma hora, um número de telefone ou outro formato.
• Insira fala ou áudio gravado, por exemplo, para incluir uma mensagem registrada padrão ou simular ruído de plano de fundo.

Por exemplo, considere o seguinte SSML:

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" 
                     xmlns:mstts="https://www.w3.org/2001/mstts" xml:lang="en-US"> 
    <voice name="en-US-AriaNeural"> 
        <mstts:express-as style="cheerful"> 
          I say tomato 
        </mstts:express-as> 
    </voice> 
    <voice name="en-US-GuyNeural"> 
        I say <phoneme alphabet="sapi" ph="t ao m ae t ow"> tomato </phoneme>. 
        <break strength="weak"/>Lets call the whole thing off! 
    </voice> 
</speak>

Este SSML especifica um diálogo falado entre duas vozes neurais diferentes.

• Ariana (alegremente): "Eu digo tomate:
• Guy: "Eu digo tomate (pronunciado tom-ah-toe) ... Vamos cancelar tudo isso!"

Para enviar uma descrição SSML para o serviço de Fala, você pode utilizar um método apropriado de um objeto SpeechSynthesizer, como o seguinte:

speech_synthesizer.speak_ssml('<speak>...');

Para obter mais informações sobre o SSML, consulte a documentação do SDK de Fala do Azure.