文本转语音通过语音合成标记语言（SSML）改进合成 知识点详解（1）

1. 创建SSML文档

speak是根元素，speak元素包含重要信息，例如版本，语言和标记词汇定义。

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="string"></speak>

属性说明：
version:指示用于解释文档标记的 SSML 规范的版本。 当前版本为 1.0。
xml:lang: 指定根文档语言。
xmlns：指定文档的url，用于定义SSML文档的标记词汇（元素类型和属性名称）

2. 选择文本转语言所用的语音

voice元素用于指定文本转语音所用的语音。

实例：

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-ChristopherNeural">
        This is the text that is spoken.
    </voice>
</speak>

voice标签中name属性标识用于文本转语音时输出的语音

3. 使用多个语音

在speak元素中，可以为文本转语音指定多种语音。这些语音可采用多种语言，
必须将文本包装在voice元素中。

实例：

 	<voice name="en-US-JennyNeural">
        Good morning!
    </voice>
    <voice name="en-US-ChristopherNeural">
        Good morning to you too Jenny!
    </voice>

如上代码，speak标签中的两个voice标签name属性标记了语音的类型

4. 调整讲话风格

默认情况下，对于神经语音，文本转语音服务使用中性讲话风格。可以调整
简化风格来表达不同的情感（例如愉悦、同情和冷静生气等），或者使用 
**mstts:express-as** 元素针对不同场景（例如自定义服务、新闻广播和语音助手）
优化语音。

目前以下神经语音支持讲话风格调整：

• en-US-AriaNeural

• en-US-JennyNeural

• en-US-GuyNeura

• en-US-SaraNeural

• ja-JP-NanamiNeural

• pt-BR-FranciscaNeural

• zh-cn-XiaoxiaoNeural

• zh-cn-YunyangNeural

• zh-cn-YunyeNeural

• zh-cn-YunxiNeural

• zh-cn-XiaohanNeural

• zh-cn-XiaomoNeural

• zh-cn-XiaoxuanNeural

• zh-cn-XiaoruiNeural

• zh-cn-XiaoshuangNeural

   1.若想进一步调整讲话强度，可以使用styledegree 指定更强或更温柔的风格。（目前中文神经语音支持说话风格调整）
   2.除了调整说话风格和风格程度，还可调整 role 参数，使语音模拟不同的年龄和性别。 例如，男性语音可以提高音调和改变			
   语调来模拟女性语音，但语音名称不会更改。 目前，这些中文（普通话，简体）神经语音支持角色调整：
   zh-cn-XiaomoNeural，zh-cn-XiaoxuanNeural
  

<mstts:express-as styledegree="1" role="角色" style="讲话风格"></mstts:express-as>

如上代码所示：
1.属性style指定讲话风格
讲话风格参考：[讲话风格](https://docs.azure.cn/zh-cn/cognitive-services/speech-service/speech-synthesis-markup?tabs=csharp#adjust-speaking-styles)
2.属性styledegree指定说话强度在0.01-2(默认值为1)
3.属性role指定讲话角色扮演。 语音将充当不同的年龄和性别，但语音名称不会更改。
	（目前role仅支持zh-cn-XiaomoNeural 和 zh-cn-XiaoxuanNeural）
	角色定义：
	role="Girl"	该语音模拟女孩。
	role="Boy"	该语音模拟男孩。
	role="YoungAdultFemale"	该语音模拟年轻成年女性。
	role="YoungAdultMale"	该语音模拟年轻成年男性。
	role="OlderAdultFemale"	该语音模拟年长的成年女性。
	role="OlderAdultMale"	该语音模拟年长的成年男性。
	role="SeniorFemale"	该语音模拟老年女性。
	role="SeniorMale"	该语音模拟老年男性。

实例：

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis"
       xmlns:mstts="https://www.w3.org/2001/mstts" xml:lang="zh-cn">
    <voice name="zh-cn-XiaomoNeural">
        	女儿看见父亲走了进来，问道：
        <mstts:express-as role="YoungAdultFemale" style="calm"	styledegree="1.5">
            “您来的挺快的，怎么过来的？”
        </mstts:express-as>
        	父亲放下手提包，说：
        <mstts:express-as role="OlderAdultMale" style="calm">
          	“刚打车过来的，路上还挺顺畅。”
        </mstts:express-as>
    </voice>
</speak>

如上代码所示：需要在根元素中引入xmlns:mstts才能使用<mstts:express-as>标签在<voice>标签中两个<mstts:express-as>分别定义了此对话的模仿	
角色（role）和讲话风格（style）,还有讲话语音强度（styledegree),此对话有三个角色，第一个是讲解（不在mstts标签中的），第二个是女儿
（role="YoungAdultFemale"）,第三个是父亲（role="OlderAdultMale"），通过设置role属性可以用一个语音zh-cn-XiaomoNeural讲出三种不同的角色
语调。

5. 调整讲话语言

可以调整神经语音的讲话语言。 使用 <lang xml:lang> 元素，使一种语音能够流利地讲
不同的语言（例如英语、西班牙语和中文）。目前，一下神经语音支持讲话语言调整：
en-US-JennyMultilingualNeural。如果不支持某语言，则服务不会返回音频流。

当前， 元素与 prosody 和 break 元素不兼容，你无法调整此元素中的暂停和韵律，如音调、调型、速率、持续时间和音量。

查看en-US-JennyMultilingualNeural此神经语音：支持的讲话语言

实例：

<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-JennyMultilingualNeural"