- 综合排序
- 最热优先
- 最新优先
- 来自专栏喔家ArchiSelf
生动化你的表达——DuerOS中的SSML应用
SSML 的工作原理 支持SSML的TTS系统（语音合成处理器）将负责将文档呈现为语音输出，并使用标记中包含的信息按照预期以音频形式呈现文档，主要原理如下： ? SSML中的元素和属性示例 SSML是一种标记语言，所以必须具备一定的文件结构。 所有的SSML文件都需要的Speak元素标签入口，更多关于SSML的语法格式，可以参考W3C官方文档，以下是关于SSML主要标签的说明。 ? 基础标签里的所有标签都是SSML标准标签，相当于SSML标签的子集。扩展标签指DuerOS使用标准SSML语言定制的标签。 www.ssml.org
3.1K30发布于 2019-04-25 - 来自专栏产品经理的人工智能学习库
语音合成标记语言-SSML丨Speech Synthesis Markup Language
除了进行朗读技巧的标记，SSML还可以对有歧义的文本进行标记，以确定读法，例如： ? 百度百科版本 语音合成标记语言（SSML：Speech Synthesis Markup Language），它是W3C的语音接口框架的一部分，是关于语音应用和在万维网上构建语音应用的一套规范，通过SSML SSML是另一种在构建基于语音浏览器技术的VUI时令人迷惑的一部分。SSML能通过语音合成引擎界面推动便携性的发展，这个界面由不同供应商以统一方式提供。 SSML是另一种W3C标准，它基于JSML(JSpeech Synthesis Markup Language，Java语音合成置标语言)。SSML根据它试图解决的问题更易于理解。 查看详情 维基百科版本 语音合成标记语言（SSML）是一种XML为基础的标记语言用于语音合成应用中。这是一个推荐W3C的语音浏览器工作组。SSML通常嵌入在VoiceXML脚本中以驱动交互式电话系统。
2.5K10发布于 2019-12-18 配音工具支持SSML吗？语音合成标记语言的高级控制能力对比
1.布丁配音SSML支持：不支持控制方式：无任何参数调节（无滑块、无标签）可调属性：无平台：仅小程序2.叮叮配音SSML支持：不支持控制方式：无滑块，仅音色选择可调属性：无平台：仅小程序3.配朵朵SSML 完整SSML<prosody>SSML<break>SSML<voice>SSML<mstts:express-as>SSML<mstts:backgroundaudio>APISSML第三层GoogleTTS 完整SSML<prosody>SSML<break>SSML<voice>否（引擎自带）否APISSML常见问题解答问：SSML是什么？ SSML（语音合成标记语言）是一种XML标记语言，用于精细控制语音合成的各个方面。普通用户使用界面滑块即可；开发者可通过SSML实现程序化高级控制。问：哪个工具的SSML支持最强大？ 支持SSML的工具都需要通过API调用，无法在网页控制台直接输入SSML（控制台通常仅支持纯文本）。
16510编辑于 2026-05-21- 来自专栏新智元
多模态如何自监督？爱丁堡等最新「自监督多模态学习」综述：目标函数、数据对齐和模型架构
基于这两个方向，自监督多模态学习(SSML)提供了从原始多模态数据中利用监督的方法。 最后，回顾了模型架构，包括编码器、融合模块和解码器的设计，这些是SSML方法的重要组成部分。 回顾了下游的多模态应用任务，报告了最先进的图像-文本模型和多模态视频模型的具体性能，还回顾了SSML算法在不同领域的实际应用，如医疗保健、遥感和机器翻译。最后，讨论了SSML面临的挑战和未来的方向。 通过利用免费可用的多模态数据和自监督目标，自监督多模态学习(SSML)显著增强了多模态模型的能力。在本综述中，我们回顾了SSML算法及其应用。 相比之下，我们提供了一个全面和最新的SSML算法综述，并提供了一个涵盖算法、数据和架构的新分类法。 2.
91720编辑于 2023-05-09 - 来自专栏一点人工一点智能
爱丁堡等最新「自监督多模态学习」综述：目标函数、数据对齐和模型架构
基于这两个方向，自监督多模态学习(SSML)提供了从原始多模态数据中利用监督的方法。 最后，回顾了模型架构，包括编码器、融合模块和解码器的设计，这些是SSML方法的重要组成部分。 回顾了下游的多模态应用任务，报告了最先进的图像-文本模型和多模态视频模型的具体性能，还回顾了SSML算法在不同领域的实际应用，如医疗保健、遥感和机器翻译。最后，讨论了SSML面临的挑战和未来的方向。 通过利用免费可用的多模态数据和自监督目标，自监督多模态学习(SSML)显著增强了多模态模型的能力。在本综述中，我们回顾了SSML算法及其应用。 相比之下，我们提供了一个全面和最新的SSML算法综述，并提供了一个涵盖算法、数据和架构的新分类法。
68640编辑于 2023-08-25 TTS服务免费额度与API能力对比：7款文字转语音工具实测
本文面向开发者及技术选型人员，整理7款文字转语音（TTS）服务的实测参数，重点关注免费额度、API可用性、SDK支持、SSML能力、声音克隆及自定义词典等开发相关指标。 SDK）5.微软AzureTTSAPI/SDK：RESTAPI+官方SDK（C#/Python/Java/Node.js等）免费额度：每月50万字符（需绑定信用卡）音色：140+语言/区域，神经网络模型SSML GoogleCloudTTSAPI/SDK：RESTAPI+客户端库（Python/Java/Node.js/Go等）免费额度：每月100万字符（需绑定国际信用卡）音色：220+语音（WaveNet、Standard、生成式）SSML response.audio_content)7.AmazonPollyAPI/SDK：RESTAPI+AWSSDK（多语言）免费额度：新用户首年每月100万字符（仅标准语音，需绑卡）音色：60+语音，中文含普通话和粤语SSML 是开发者选型参考需求场景推荐方案理由纯手动生成，不写代码叮叮配音、配朵朵、媒小三无需编程快速API测试，不想绑卡ElevenLabs免绑卡，1万字符/月，流式返回需要多角色对话、情感控制AzureTTS完整SSML
22110编辑于 2026-06-01- 来自专栏量子位
谷歌助手为App开发者开放大量新特性，新增音箱到手机的交互
更好的语音合成标记语言（SSML）也是此次新特性中的重头戏。谷歌推出了一个新的SSML音频体验，给用户更多的选择用SSML标签创造自然、高质量的对话。 △ SSML音频，让对话听起来更自然 提升用户黏性 此外，谷歌还通过推送通知为App应用引流，并且还提供相关的目录分析。
86640发布于 2018-03-23 - 来自专栏喔家ArchiSelf
声如其闻，DuerOS中的声音播放
SSML：一种结构化语言，用于辅助描述语音发音声调。 当type取值为PlainText时，该字段为必选字段。长度不能超过256个字符。 当type为SSML时，该字段为必选字段，长度不能超过256个字符，SSML 会在下一节“基于TTS的媒体和文本合成播放”中在进行描述。 目前，DuerOS 提供的可行方式是在技能中使用SSML。 DuerOS支持基础标签和扩展标签两种：基础标签里的所有标签都是SSML标准标签，相当于SSML标签的子集；扩展标签指DuerOS使用标准SSML语言定制的标签。 关于在DuerOS 中如何使用SSML，以及SSML 的更多信息，可以参考《生动化你的表达——DuerOS中的SSML应用》。 ?
3.5K31发布于 2020-10-10 TTS服务技术选型：8款文字转语音工具的免费额度与API能力对比
本文面向开发者及技术选型人员，整理8款文字转语音（TTS）服务的实测参数，重点关注免费额度、API可用性、SDK支持、SSML能力、声音克隆及自定义词典等开发相关指标。 SDK）6.微软AzureTTSAPI/SDK：RESTAPI+官方SDK（C#/Python/Java/Node.js等）免费额度：每月50万字符（需绑定信用卡）音色：140+语言/区域，神经网络模型SSML GoogleCloudTTSAPI/SDK：RESTAPI+客户端库（Python/Java/Node.js/Go等）免费额度：每月100万字符（需绑定国际信用卡）音色：220+语音（WaveNet、Standard、生成式）SSML response.audio_content)8.AmazonPollyAPI/SDK：RESTAPI+AWSSDK（多语言）免费额度：新用户首年每月100万字符（仅标准语音，需绑卡）音色：60+语音，中文含普通话和粤语SSML 是开发者选型参考需求场景推荐方案理由纯手动生成，不写代码布丁/叮叮/配朵朵/媒小三无需编程快速API测试，不想绑卡ElevenLabs免绑卡，1万字符/月，流式返回需要多角色对话、情感控制AzureTTS完整SSML
28010编辑于 2026-05-25腾讯云TTS接入实践：从参数调优到批量生成（附Python示例）
本文基于2026年5月实测，介绍腾讯云TTS的接入流程、SSML使用和批量生成方法，并说明如何利用轻量工具（叮叮配音、配朵朵、媒小三配音）在开发前期快速验证音色与参数。 =-0.2～-0.1（慢速营造压抑感）高燃混剪/游戏解说：Speed=0～+0.2（正常偏快）纪录片/企业宣传：Speed=-0.1～0（沉稳）儿童故事/带货：Speed=0～+0.1（亲切轻快）三、SSML 增强表现力SSML（语音合成标记语言）可精细控制停顿、多音字、情感等。 通过合理设置VoiceType、Speed和SSML，可以满足影视解说、短剧、课件、游戏等多种场景的需求。以上代码可在常见云主机上直接运行。欢迎在评论区交流你的接入经验。
27610编辑于 2026-05-11TTS服务技术选型：8款文字转语音工具的集成方式与代码示例
speechsdk.SpeechSynthesizer(speech_config=speech_config)result=synthesizer.speak_text_async("你好，Azure").get()SSML OutputFormat='mp3',VoiceId='Zhiyu')withopen('speech.mp3','wb')asfile:file.write(response['AudioStream'].read())SSML prosodyrate="slow">你好，这是一个慢速语音</prosody></speak>限速：无公开硬性限速，但受账户配额影响输出格式：MP3、OGG、WAV、JSON技术参数对比表工具APISDK流式SSML 万字符是开发者选型建议需求场景推荐方案理由纯手动生成，不写代码布丁/叮叮/配朵朵/媒小三无需编程快速API测试，不想绑卡ElevenLabs免绑卡，1万字符/月，流式返回需要多角色对话、情感控制AzureTTS完整SSML
14500编辑于 2026-05-23TTS配音服务参数整理：免费模式、平台支持与扩展功能对比
（Python/C#/Java等）音色数量：神经网络语音模型覆盖140+语言/区域，中文音色包括云希、云枫等免费模式：Azure免费账户每月50万字符（标准语音）或50万字符（神经网络语音）附加能力：SSML 控制台、RESTAPI、客户端库音色数量：220+语音（WaveNet、Standard及生成式TTS模型，仅部分语言）免费模式：每月前100万字符免费（WaveNet同额度），超出按量计费附加能力：SSML 平台：AWS控制台、API、SDK（多语言）音色数量：60+语音，覆盖30+语言，中文约10种（含普语和粤语）免费模式：新用户首年每月100万字符（仅标准语音），神经网络和生成式TTS按量计费附加能力：SSML 小程序每日赠送（总额未公开）否否无AI写作、转文字、格式转换媒小三配音个性化网页+App+小程序每月试用次数是是无AI写作、文案提取、脚本模板AzureTTS企业API网页+API+SDK50万字符否否有SSML 、情感调节GoogleTTS企业API网页+API100万字符否否有SSMLAmazonPolly企业API网页+API+SDK100万字符（首年，仅标准）否否有SSML、生成式TTSElevenLabs
22710编辑于 2026-05-18- 来自专栏DotNet程序园
花样试用微软语音服务晓晓
其实一直都有接触各种 TTS 的服务，但是在测试微软晓晓的过程中发现，在拟人方面，晓晓的发音似乎被训练得很不错，在语法方面，晓晓支持 SSML 语法，具体参见：https://www.w3.org/TR /speech-synthesis/ 什么是 SSML，来自百度百科 语音合成标记语言 的解释。 "); Console.WriteLine("===============\n"); } } 这段代码也非常的简单，首先是构造一个 SSML Console.WriteLine("按任意键退出"); Console.ReadKey(); } 上面有3段文本，对应合成3段语音，1和3是纯粹捣乱的，第二段文本中加入了SSML 结束语 整体来说，在普通的语境环境下，晓晓的表现还是不错的，整体令人满意，但是在自定义 SSML 的时候，就非常的麻烦，我调整了不下30分钟，都没有达到一个令人满意的结果；当然，晓晓还有别的优点，比如可以自定义语音字体
6.3K10发布于 2019-04-22 配音工具音色生成方式分类：预置音色、声音克隆与捏声音
语言/区域，中文音色包括云希、云枫等平台：网页控制台、RESTAPI、SDK（Python/C#/Java等）免费政策：Azure免费账户每月50万字符（标准语音）或50万字符（神经网络语音）附加功能：SSML Standard及生成式TTS模型（仅部分语言），共220+语音平台：GoogleCloud控制台、RESTAPI、客户端库免费政策：每月前100万字符免费（WaveNet同额度），超出按量计费附加功能：SSML 神经网络语音及生成式TTS（部分区域），共60+语音，中文约10种平台：AWS控制台、API、SDK（多语言）免费政策：新用户首年每月100万字符（仅标准语音），神经网络和生成式TTS按量计费附加功能：SSML 支持扫码登录或小程序授权登录综合对比表工具音色生成方式平台免费模式声音克隆捏声音API附加功能叮叮配音预置音色小程序无限制否否无AI写作、视频转文字AzureTTS预置音色网页+API+SDK50万字符/月否否有SSML 、情感调节GoogleTTS预置音色网页+API100万字符/月否否有SSMLAmazonPolly预置音色网页+API+SDK100万字符/月（首年）否否有SSML、生成式TTSElevenLabs预置
26510编辑于 2026-05-18- 来自专栏大帅老猿
我开发了一个【免费】使用微软的文字转语音服务的js库
X-RequestId: 091963E8C7F342D0A8E79125EA6BB707 X-Timestamp: 2022-05-27T16:48:49.594Z Content-Type: application/ssml false},"outputFormat":"audio-16khz-32kbitrate-mono-mp3"}}}`; connect.send(message_2); 第三次发送 const SSML prosody> </mstts:express-as> </voice> </speak> ` const message_3 = `Path: ssml \r\nX-RequestId: ${XConnectionId}\r\nX-Timestamp: ${getXTime()}\r\nContent-Type: application/ssml+xml \r\n\r\n${SSML}` connect.send(message_3); 接收二进制消息拼接mp3 当三次发送结束后我们通过connect.on('binary')监听websocket接收的二进制消息
3.9K30编辑于 2022-06-06 2026年TTS工具技术调研：六款文字转语音服务的功能参数对比
企业级服务）捏声音（自定义音色）：不支持API接口：提供RESTAPI及SDK（Python/Java/Go/Node.js），支持WebSocket流式合成附加功能：指令式情感控制（如<整体情绪：兴奋>）、SSML ：每月50万字符免费（F0层）声音克隆：不支持个人免费层（企业级定制服务）捏声音（自定义音色）：不支持API接口：提供RESTAPI及SDK（Python/Java/C#/Node.js等）附加功能：SSML 关键词）无AI写作、文案提取、爆文标题、脚本模板MP3火山引擎TTS云API新用户试用✅（5秒，企业）❌有指令式情感控制、流式合成MP3/OGG微软AzureTTS云API每月50万字符❌（企业定制）❌有SSML
13710编辑于 2026-06-032026年TTS技术选型：腾讯云语音合成与三款轻量工具的协同实践
一、腾讯云TTS：国内开发者集成首选1.1核心参数腾讯云语音合成服务提供RESTAPI及多语言SDK，国内数据中心节点稳定，支持流式合成和SSML。 指标实测数据首包延迟（国内）300-400ms（流式）中文自然度9/10（神经拟人模型）定价新用户试用额度，按量低至1.2元/千字免费层新用户有免费试用额度（具体以官网为准）SSML支持实时场景WebSocket 慢速营造压抑感req.Volume=5resp=client.TextToVoice(req)withopen("output.mp3","wb")asf:f.write(resp.Audio)1.3SSML 开发建议路径需求验证阶段（0元）用叮叮配音快速测试不同文案和音色风格用配朵朵制作样片，验证字幕生成效率短剧多角色项目，用媒小三配音免费试用确定角色-声线映射规模化生产阶段接入腾讯云TTS编写批量生成脚本利用SSML
48510编辑于 2026-05-092026年配音开发实践：腾讯云TTS与三款国产轻量工具协同方案
三、腾讯云TTS接入与批量生产腾讯云TTS国内节点稳定，中文自然度9/10，支持SSML和流式合成，适合大规模生产。 3.1核心参数（2026年5月实测）指标数据首包延迟（国内）300-400ms（流式合成）中文自然度(1-10)9.0免费层新用户有试用额度（具体以官网为准）按量定价约1.2元/千字SSML支持SDKPython （部分）VoiceType说明适用场景1002成熟男声悬疑解说、纪录片1003活力男声游戏解说、高燃混剪1004温润女声情感故事、有声书1005甜美女声儿童故事、电商带货1050新闻女声资讯播报3.4SSML </speak>将SSML作为Text参数，并设置EnableSubtitle=True可同时获取时间轴信息，便于生成SRT字幕。
35010编辑于 2026-05-132026 年开发者 TTS 工具实测：7 款语音合成方案功能对比
支持SSML标记语言，可精细控制语音的停顿、重音和语速。注意事项声纹克隆功能需开通会员后使用，免费版可体验基础配音和克隆小样。免费政策每日提供基础配音免费试用额度，API有每日免费调用限额。 支持长文本合成、批量处理、自定义语音和SSML高级控制。注意事项免费额度有时间和字符限制，商用需按使用量付费。免费政策新用户前12个月每月提供免费字符额度，超出后按量计费。 提供WaveNet神经语音，发音标准，支持SSML标记和参数自定义。与GoogleCloud生态系统无缝集成，适合使用谷歌云服务的项目。注意事项海外服务，国内访问需考虑网络环境，中文音色数量相对较少。
84810编辑于 2026-05-13有字幕，没配音？用浏览器自带语音能力，让网页视频直接“开口说话”
如果你后面想做得更细，比如停顿、重音、语气强调，SSML 确实是更专业的方向，但这一层通常就不是简单依赖浏览器原生朗读了，往往要接 Speech SDK、API 或 CLI 这类能力。 3. SSML 精细化控制 如果你只是想快速实现“有字幕就能读出来”，浏览器内置语音已经足够有用。 如果还想继续往停顿、重音、局部语速、角色风格这些更细的维度走，那就不得不提一下 Azure 语音合成服务的SSML[1]。 References [1] Azure 语音合成服务的SSML: https://learn.microsoft.com/zh-cn/azure/ai-services/speech-service/
35010编辑于 2026-04-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号