SSML یک زبان نشانه‌گذاری مبتنی بر XML برای توضیح نحوه خواندن متن در سامانه‌های سازگارِ متن به گفتار است. می‌توان در آن مکث یا تغییر سرعت را مشخص کرد، اما وجود یک برچسب در استاندارد به معنی پشتیبانی همه موتورهای صدا یا همه زبان‌ها از آن نیست. ابتدا ببینید سرویس ورودی SSML می‌پذیرد یا فقط متن ساده.
نمونه کوتاه فارسی
در نمونه زیر، یک مکث نمونه ۴۰۰ میلی‌ثانیه‌ای بین دو جمله آمده و جمله دوم با نرخ نسبی ۹۰ درصد مشخص شده است. این مقدارها پیشنهاد قطعی برای پیام شما نیستند؛ نمونه‌ای برای فهم ساختارند. فایل XML به‌خودی‌خود صدا تولید نمی‌کند.
<speak version="1.1" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="fa-IR">
درخواست شما ثبت شد.
<break time="400ms"/>
<prosody rate="90%">کد پیگیری را یادداشت کنید.</prosody>
</speak>دریافت فایل SSML فارسی نمونه. این فایل برای بررسی ساختار و آزمون در سرویس سازگار است؛ ادعای تولید یا تأیید یک صدای واقعی ندارد.
سه کنترل پیش از ارسال
- نوع ورودی: متن ساده و SSML را در همان حالت مورد انتظار سرویس ارسال کنید. اگر موتور متن ساده انتظار داشته باشد، ممکن است برچسب‌ها خوانده شوند یا درخواست رد شود.
- ساختار XML: ریشه، نام برچسب و بسته‌شدن عناصر را کنترل کنید. نشانه‌هایی مثل آمپرسند در متن XML باید به شکل امن نوشته شوند؛ کپی‌کردن متن خام همیشه XML معتبر نمی‌سازد.
- دامنه پشتیبانی: زبان، صدا و برچسب‌های مجاز را برای همان موتور بررسی کنید. استاندارد کلی را جای فهرست قابلیت‌های سرویس قرار ندهید.
مکث را از کشیدن واژه جدا کنید
break برای مرز و مکث است؛ prosody می‌تواند نحوه بیان بخشی از متن، مانند سرعت، را توصیف کند. برای شنیده‌شدن دو جمله مستقل، ابتدا نقطه‌گذاری و جمله‌بندی را اصلاح کنید. کندکردن کل پیام ممکن است مشکل مرز جمله را حل نکند و زمان شنیدن را بیشتر کند.
نسخه بدون نشانه‌گذاری اضافی را هم نگه دارید. سپس در هر مقایسه فقط یک تغییر روشن بدهید؛ مثلاً اضافه‌شدن مکث میان همان دو جمله. اگر هم متن، هم صدا و هم سرعت را عوض کنید، تشخیص علت تفاوت دشوار می‌شود. نمونه‌ها را با بلندی پخش مشابه و روی دستگاهی نزدیک به کاربرد نهایی گوش دهید.
فهرست کوتاه شنیدن نمونه
| بخش پیام | سؤال کنترل |
|---|---|
| مکث | فاصله بین جمله‌ها روشن است و بیش از نیاز طولانی نشده؟ |
| عدد یا شناسه | رقم‌ها درست، کامل و در ترتیب مناسب شنیده می‌شوند؟ |
| واژه حساس | نام، اصطلاح و نفی تغییر نکرده است؟ |
| مدت نهایی | زمان فایل تولیدی با کاربرد و مبنای هزینه مقایسه شده است؟ |
برای تلفظ نام‌ها، مسئله جدا تعریف کنید
مکث و سرعت به‌تنهایی تلفظ نام برند یا واژه خارجی را تضمین نمی‌کنند. برای ثبت شکل مورد انتظار نام‌ها، راهنمای واژه‌نامه تلفظ را ببینید. وجود قابلیت فرهنگ تلفظ یا SSML باید برای سرویس انتخابی جداگانه بررسی شود.
اگر قصد دریافت متن به گفتار فارسی از اپراگو را دارید، متن اصلی، جای مکث‌های مهم و نیاز سرعت خواندن را در درخواست توضیح دهید. تیم اپرا نوع ورودی و روش اجرای قابل ارائه را با شما مشخص می‌کند. این مقاله پشتیبانی SSML در اپراگو را اعلام نمی‌کند؛ راهنمای شروع با تیم اپرا مسیر هماهنگی نیاز را توضیح می‌دهد.
منبع تعریف و عناصر این راهنما: استاندارد SSML 1.1 در W3C. متن فارسی، جدول کنترل و مقادیر نمونه ساخته تحریریه‌اند.
ادامه مسیر یادگیری
شمارش کاراکتر فارسی؛ تفاوت نویسه، بایت و طول رشته — برای کنترل سقف ورودی متن، شمارنده فارسی فرق نویسه قابل مشاهده، نقطه کد و بایت را نشان می‌دهد؛ پشتیبانی SSML را باید جدا بررسی کنید.