在AI语音合成的应用中，想要让合成语音摆脱机械感，变得生动自然、贴合表达场景，SSML标记语言是核心工具。SSML（Speech Synthesis Markup Language，语音合成标记语言）通过专属的文本标记方式，让使用者能像导演执导一样，精准控制语音的语速、语调、音量，还能灵活添加停顿、音效、背景音乐，甚至规范特殊文本的朗读方式，让CosyVoice的AI配音效果更贴合需求。以下为大家详细讲解CosyVoice语音合成SSML标记语言的具体使用方法，助力打造个性化的合成语音。
适用模型说明
使用CosyVoice3 AI配音服务的SSML功能，需确认所使用的模型为指定版本，仅cosyvoice-v3.5-flash、cosyvoice-v3.5-plus、cosyvoice-v3-flash、cosyvoice-v3-plus和cosyvoice-v2模型支持该功能，使用前请做好模型核对。
基本使用格式
SSML的所有内容都有固定的包裹格式，必须将需要朗读的文本及各类标记嵌套在<speak>标签中，基础格式为：您要朗读的文本内容，这是使用所有SSML功能的前提。
核心功能及使用方法
1. 自由调整语速
通过rate属性可精准控制AI的朗读语速，让语音适配不同的播放场景。该属性的取值范围为0.5~2，其中1代表正常语速，数值大于1时加快语速，小于1时减慢语速。
示例：我的语速比正常人快一倍
我的语速比较慢，适合听清楚每个字
2. 灵活调节音调
利用pitch属性可改变语音的音调高低，打造高亢或低沉的语音效果。取值范围同样为0.5~2，1为默认正常音调，数值大于1升高音调，小于1降低音调。
示例：我的声音比较高亢
我的声音比较低沉
3. 精准控制音量
通过volume属性调节合成语音的音量大小，取值范围为0~100，50是系统默认音量，数值大于50增大音量，小于50减小音量。
示例：我的音量很大
我的音量比较小
4. 合理添加停顿
在文本中通过<break/>标签添加停顿，能让语音朗读更有节奏感，避免语句衔接生硬。<break/>默认停顿1秒，也可通过time属性自定义停顿时长，支持秒（s）和毫秒（ms）单位，注意连续停顿的总时长不能超过10秒。
示例：请闭上眼睛休息一下好了，请睁开眼睛
数到三再开始1、2、3，出发！
5. 组合多种音效属性
语速、音调、音量的属性可同时设置，在<speak>标签中用空格分隔多个属性即可，实现多种语音效果的叠加，让合成语音更贴合表达需求。
示例：
我语速稍快，音调偏高，音量适中
6. 规范特殊文本朗读方式
面对数字、电话号码、日期等特殊文本，可通过<say-as>标签的interpret-as属性指定朗读方式，避免AI出现误读，让语音表达更准确。
- 数字读法：12345（读作：一万二千三百四十五）；12345（读作：一二三四五）
- 电话号码：13800138000（按手机号格式朗读）
- 日期：2024-03-28（读作：二零二四年三月二十八日）
- 时间：14:30（读作：十四点三十分）
- 金额：100.50 RMB（读作：一百点五零人民币）
- 地址：北京市朝阳区建国路1号
- 逐个读字符：ISBN 978-7-111（逐个读出每个字符）
7. 自定义特殊词汇发音
当AI对部分词汇出现误读时，可通过两种方式自定义发音，分别适配缩写替换和拼音/音标指定的场景。
- 替换文本：使用
<sub>标签的alias属性，将缩写或特殊符号替换为完整读法，示例：WTO（将WTO读作"世界贸易组织"） - 指定拼音/音标：使用
<phoneme>标签，中文指定拼音时设置alphabet="py"，拼音后加数字1-5表示声调；英文指定音标时设置alphabet="cmu"，示例：典当行；sin
8. 添加特色语音音效
通过effect属性可为合成语音添加各类特色音效，让语音更具趣味性和场景感，目前支持robot（机器人音效）、lolita（萝莉音效）、echo（回声音效）、lowpass（低通音效）四种可选音效。
示例：我是机器人瓦力
我有回声音效
9. 插入外部音效文件
在语音中可通过<soundEvent>标签的src属性插入外部音效文件，如提示音、环境音等，让合成语音的场景感更丰富。插入的音频需满足特定要求：格式为WAV、采样率16kHz、单声道、文件大小不超过2MB。
示例：一匹马受了惊吓人们四散躲避
10. 搭配专属背景音乐
为合成语音添加背景音乐可通过<speak>标签的bgm属性实现，同时可通过backgroundMusicVolume属性调节背景音乐音量。背景音乐会自动循环播放，若合成语音内容时长超过背景音乐时长，音乐会重复播放以匹配语音长度。
示例：
这是带背景音乐的朗读内容
完整使用示例
将多种SSML功能组合使用，可打造出自然、流畅的合成语音效果，以下为综合使用示例，供大家参考：
大家好，欢迎收听今天的节目。
今天我们要讲的是2024年3月28日的新闻。
首先，AI技术正在快速发展，成为推动各行业进步的重要力量。
感谢收听，我们下期再见！
重要使用规范
- 特殊字符需转义：若文本中包含
"、'、&、<、>等特殊符号，需进行转义处理，避免标记语言解析出错，转义规则为："→"、&→&、<→<、>→> - 标签禁止嵌套：
<speak>标签作为根标签，不能嵌套在另一个<speak>标签内，否则会导致功能失效 - 确认音色支持：并非所有CosyVoice的音色都支持SSML功能，使用前需确认所选音色为SSML兼容音色
- 严格遵循格式：所有SSML标记均需遵循语法规范，属性值需用引号包裹，标签需正确闭合，避免因格式错误导致解析失败
掌握CosyVoice的SSML标记语言使用方法，就能根据不同的使用场景，定制出自然、生动、个性化的合成语音，无论是音频播报、内容配音还是场景化语音制作，都能让AI语音的表达效果更上一层楼。灵活组合各类功能，就能解锁更多语音合成的可能性，让AI配音更好地服务于各类需求。
评论(0)