Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Unterstützte SSML-Tags

Amazon Polly unterstützt die folgenden SSML-Tags:

Identifizieren von durch SSL erweitertem Text

<speak>

Dieses Tag wird von generativen, langformatigen, neuronalen und standardmäßigen TTS-Formaten unterstützt.

Das <speak> Tag ist das Stammelement des gesamten Amazon Polly SSML-Textes. Der gesamte Text mit SSML-Tags muss in ein Paar <speak>-Tags eingeschlossen werden.

<speak>Mary had a little lamb.</speak>

Eine Pause hinzufügen

<break>

Dieses Tag wird von generativen, langformatigen, neuronalen und standardmäßigen TTS-Formaten unterstützt.

Verwenden Sie das Tag <break>, um Ihrem Text eine Pause hinzuzufügen. Sie können eine Pause auf Grundlage der Stärke (entspricht der Pause nach einem Komma, Satz oder Absatz) oder den Wert auf eine bestimmte Dauer in Sekunden oder Millisekunden festlegen. Wenn Sie kein Attribut zur Bestimmung der Pausenlänge angeben, verwendet Amazon Polly die Standardeinstellung, d. h.<break strength="medium"/>, die nach einem Komma eine Pause um die Länge einer Pause hinzufügt.

Werte des Attributs strength:

Werte des Attributs time:

Beispielsweise:

<speak>
     Mary had a little lamb <break time="3s"/>Whose fleece was white as snow.
</speak>

Wenn Sie kein Attribut mit dem break-Tag verwenden, variiert das Ergebnis je nach Text:

Wörter hervorheben

<emphasis>

Dieses Tag wird nur vom Standard-TTS-Format unterstützt.

Verwenden Sie das Tag <emphasis>, um Wörter zu betonen. Die Betonung von Wörtern wirkt sich auf Sprechgeschwindigkeit und -lautstärke aus. Durch mehr Betonung spricht Amazon Polly den Text lauter und langsamer. Bei weniger Betonung wird leiser und schneller gesprochen. Die Stärke der Betonung geben Sie mit dem Attribut level an.

Werte des Attributs level:

Beispielsweise:

<speak>
     I already told you I <emphasis level="strong">really like</emphasis> that person.
</speak>

Angabe einer anderen Sprache für bestimmte Wörter

<lang>

Dieses Tag wird von generativen, langformatigen, neuronalen und standardmäßigen TTS-Formaten unterstützt.

Mit dem Tag <lang> können Sie eine andere Sprache für ein Wort, eine Wendung oder einen Satz angeben. Fremdsprachige Wörter und Wendungen werden in der Regel besser gesprochen, wenn sie in ein Paar <lang>-Tags eingeschlossen werden. Verwenden Sie zum Angeben der Sprache das Attribut xml:lang. Eine vollständige Liste der verfügbaren Sprachen finden Sie unter Sprachen bei Amazon Polly.

Sofern Sie nicht das Tag <lang> anwenden, werden alle Wörter im Eingabetext in der Sprache der Stimme gesprochen, die mit voice-id angegeben wurde. Wenn Sie das Tag <lang> anwenden, werden die Wörter in jener Sprache gesprochen.

Wenn es sich beispielsweise um Joanna voice-id handelt (die US-Englisch spricht), spricht Amazon Polly Folgendes mit der Stimme von Joanna ohne französischen Akzent:

<speak>
     Je ne parle pas français.
</speak>

Wenn Sie die Joanna-Stimme mit dem <lang> Tag verwenden, spricht Amazon Polly den Satz mit Joanna-Stimme in Französisch mit amerikanischem Akzent:

<speak>
     <lang xml:lang="fr-FR">Je ne parle pas français.</lang>.
</speak>

Da Joanna keine französische Muttersprachlerin ist, basiert die Aussprache auf ihrer Muttersprache, also US-Englisch. Eine Person mit perfekter französischer Aussprache würde beispielsweise das Wort français mit einem uvularen Vibrant (/R/) sprechen. Joannas Stimme (US-Englisch) spricht dieses Phonem dagegen wie /r/.

Wenn Sie das voice-id von Giorgio, der Italienisch spricht, mit dem folgenden Text verwenden, spricht Amazon Polly den Satz in Giorgios Stimme mit italienischer Aussprache:

<speak>
     Mi piace Bruce Springsteen.
</speak>

Wenn Sie dieselbe Stimme mit dem folgenden <lang> Tag verwenden, spricht Amazon Polly Bruce Springsteen auf Englisch mit italienischem Akzent aus:

<speak>
     Mi piace <lang xml:lang="en-US">Bruce Springsteen.</lang>
</speak>

Dieses Tag kann auch als Ersatz für die optionale Option bei der Sprachsynthese verwendet werden. DefaultLangCode In diesem Fall ist es jedoch erforderlich, dass Sie Ihren Text mit SSML formatieren.

Platzieren Sie ein benutzerdefiniertes Tag in Ihrem Text

<mark>

Dieses Tag wird von generativen, langformatigen, neuronalen und standardmäßigen TTS-Formaten unterstützt.

<mark>Um ein benutzerdefiniertes Tag in den Text einzufügen, verwenden Sie das Tag. Amazon Polly ergreift keine Aktion für das Tag, gibt jedoch die Position des Tags in den SSML-Metadaten zurück. Bei diesem Tag kann es sich um eine beliebige hervorzuhebende Information handeln, sofern das folgende Format eingehalten wird:

<mark name="tag_name"/>

Beispiel: Der Tag-Name lautet "animal" und der Eingabetext:

<speak>
     Mary had a little <mark name="animal"/>lamb.
</speak>

Amazon Polly gibt möglicherweise die folgenden SSML-Metadaten zurück:

{"time":767,"type":"ssml","start":25,"end":46,"value":"animal"}

Eine Pause zwischen Absätzen hinzufügen

<p>

Dieses Tag wird von generativen, langformatigen, neuronalen und standardmäßigen TTS-Formaten unterstützt.

Mit dem Tag <p> können Sie eine Pause zwischen Absätzen im Text einfügen. Mit diesem Tag wird eine längere Pause als die eingefügt, die Muttersprachler üblicherweise nach Kommas oder am Satzende einfügen. Schließen Sie den Absatz in das Tag <p> ein:

<speak>
     <p>This is the first paragraph. There should be a pause after this text is spoken.</p> 
     <p>This is the second paragraph.</p> 
</speak>

Dies entspricht der Angabe einer Pause mit <break strength="x-strong"/>.

Verwendung der phonetischen Aussprache

<phoneme>

Dieses Tag wird von Langform-, neuronalen und Standard-TTS-Formaten unterstützt.

<phoneme>Verwenden Sie das Tag, damit Amazon Polly die phonetische Aussprache für einen bestimmten Text verwendet.

Für das Tag <phoneme> sind zwei Attribute erforderlich. Sie zeigen das von Amazon Polly verwendete phonetische Alphabet und die phonetischen Symbole der korrigierten Aussprache an:

Mit dem <phoneme> Tag verwendet Amazon Polly die durch das ph Attribut angegebene Aussprache anstelle der Standardaussprache, die standardmäßig der Sprache zugeordnet ist, die von der ausgewählten Stimme verwendet wird.

Das Wort „pecan“ kann beispielsweise auf zwei Arten ausgesprochen werden. Im folgenden Beispiel wird „pecan“ in jeder Zeile eine andere Aussprache zugewiesen. Amazon Polly spricht Pekannuss wie in den ph Attributen angegeben aus, anstatt die Standardaussprache zu verwenden.

International Phonetic Alphabet (IPA)

<speak>
     You say, <phoneme alphabet="ipa" ph="pɪˈkɑːn">pecan</phoneme>. 
     I say, <phoneme alphabet="ipa" ph="ˈpi.kæn">pecan</phoneme>.
</speak>

Extended Speech Assessment Methods Phonetic Alphabet (X-SAMPA)

<speak>
     You say, <phoneme alphabet='x-sampa' ph='pI"kA:n'>pecan</phoneme>.
     I say, <phoneme alphabet='x-sampa' ph='"pi.k{n'>pecan</phoneme>. 
</speak>

Mandarin-Chinesisch verwendet Pinyin für die phonetische Aussprache..

Pinyin

<speak>
     你说 <phoneme alphabet="x-amazon-pinyin" ph="bo2">薄</phoneme>。 
     我说 <phoneme alphabet="x-amazon-pinyin" ph="bao2">薄</phoneme>。
</speak>

Japanisch verwendet Yomigana und Aussprache Kana.

Yomigana

<speak>
     名前は<phoneme alphabet="x-amazon-yomigana" ph="ひろかず">浩一</phoneme>です。
     名前は<phoneme alphabet="x-amazon-yomigana" ph="ヒロカズ">浩一</phoneme>です。
     名前は<phoneme alphabet="x-amazon-yomigana" ph="Hirokazu">浩一</phoneme>です。
</speak>

Aussprache Kana

<speak>
     名前は<phoneme alphabet="x-amazon-pron-kana" ph="ヒロ'カズ">浩一</phoneme>です。
</speak>

Steuerung von Lautstärke, Sprechgeschwindigkeit und Tonhöhe

<prosody>

Die Attribute des Prosody-Tags werden von den standardmäßigen TTS-Stimmen vollständig unterstützt. Neuronale Stimmen und Stimmen in Langform unterstützen die rate Attribute volume und, aber nicht das Attribut. pitch

Mit dem prosody-Tag können Sie Lautstärke, Geschwindigkeit und Tonlage Ihrer gewählten Stimme steuern.

Lautstärke, Sprechgeschwindigkeit und Tonlage sind von der jeweils gewählten Stimme abhängig. Neben den Unterschieden der Stimmen für verschiedene Sprachen gibt es auch Unterschiede zwischen Stimmen, die dieselbe Sprache sprechen. Hieraus erklärt sich, dass es trotz zwischen den Sprachen ähnlicher Attribute klare Unterschiede von Sprache zu Sprache gibt. Absolute Werte existieren nicht.

Das Tag prosody hat drei Attribute, für die jeweils unterschiedliche Werte verfügbar sind. Jedes Attribut verwendet die gleiche Syntax:

<prosody attribute="value"></prosody>

Das Tag <prosody> muss mindestens ein Attribut, kann aber auch mehrere enthalten.

<speak>
     Each morning when I wake up, <prosody volume="loud" rate="x-slow">I speak  
     quite slowly and deliberately until I have my coffee.</prosody>
</speak>

Es kann zudem folgendermaßen mit verschachtelten Tags kombiniert werden:

<speak>
     <prosody rate="85%">Sometimes combining attributes <prosody pitch="-10%">can 
     change the impression your audience has of a voice</prosody> as well.</prosody>                  
</speak>

Einstellung einer maximalen Dauer für synthetisierte Sprache

<prosody amazon:max-duration>

Dieses Tag wird derzeit nur vom Standard-TTS-Format unterstützt.

Um zu steuern, wie lange eine Sprachausgabe dauern soll, wenn sie generiert wird, verwenden Sie das <prosody>-Tag mit dem amazon:max-duration-Attribut.

Die Dauer der Sprachsynthese variiert je nach gewählter Stimme geringfügig. Dies erschwert die Abstimmung von generierter Sprache mit Visualisierungen oder anderen Aktivitäten, die ein präzises Timing erfordern. Dieses Problem tritt verstärkt bei Übersetzungsanwendungen auf, da die Zeit, die benötigt wird, um bestimmte Phrasen zu sagen, je nach Sprache stark variieren kann.

Das <prosody amazon:max-duration>-Tag passt die synthetisierte Sprache an die gewünschte Dauer an.

Dieses Tag verwendet folgende Syntax:

<prosody amazon:max-duration="time duration">

Mit dem <prosody amazon:max-duration>-Tag können Sie die Dauer in Sekunden oder Millisekunden festlegen:

Beispiel: Der folgende gesprochene Text hat eine maximale Dauer von 2 Sekunden:

<speak>
     <prosody amazon:max-duration="2s">
          Human speech is a powerful way to communicate. 
     </prosody>
</speak>

Wenn Text innerhalb des Tags platziert wird, überschreitet er die angegebene Dauer nicht. Wenn die gewählte Stimme oder Sprache normalerweise länger als diese Dauer dauern würde, beschleunigt Amazon Polly die Sprache, sodass sie in die angegebene Dauer passt.

Wenn die angegebene Dauer länger ist, als es dauert, den Text mit normaler Geschwindigkeit zu lesen, liest Amazon Polly die Sprache normal vor. Es verlangsamt weder die Sprachausgabe noch werden Stilleperioden hinzugefügt. Die resultierende Audioausgabe ist also kürzer als angefordert.

Sie können einen einzelnen Satz oder mehrere Sätze innerhalb eines <prosody amazon:max-duration>-Tags und mehrere <prosody amazon:max-duration>-Tags in Ihrem Text verwenden.

Beispielsweise:

<speak>
     <prosody amazon:max-duration="2400ms">
        Human speech is a powerful way to communicate.
     </prosody>
     <break strength="strong"/>
     <prosody amazon:max-duration="5100ms">
        Even a simple ‘Hello’ can convey a lot of information depending on the pitch, intonation, and tempo.
     </prosody>
     <break strength="strong"/>
     <prosody amazon:max-duration="8900ms">
        We naturally understand this information, which is why speech is ideal for creating applications where 
        a screen isn’t practical or possible, or simply isn’t convenient.
     </prosody>
</speak>

Die Verwendung des <prosody amazon:max-duration> Tags kann die Latenz erhöhen, wenn Amazon Polly synthetisierte Sprache zurückgibt. Der Grad der Latenz hängt von der Passage und ihrer Länge ab. Wir empfehlen die Verwendung von Text aus relativ kurzen Textpassagen.

Einschränkungen

Es gibt Einschränkungen sowohl bei der Verwendung des <prosody amazon:max-duration>-Tags als auch bei der Funktion des Tags mit anderen SSML-Tags:

Pausiert und max-duration

Bei der Verwendung Ihres max-duration-Tags können Sie weiterhin Pausen in Ihren Text einfügen. Amazon Polly berücksichtigt jedoch die Länge der Pause bei der Berechnung der maximalen Sprachdauer. Darüber hinaus behält Amazon Polly die kurzen Pausen bei, die auftreten, wenn Kommas und Punkte innerhalb einer Passage stehen, und schließt die maximale Dauer ein.

Beispiel: Im folgenden Block kommen Pausen von 600 Millisekunden und die durch Kommata und Punkte verursachten Pausen innerhalb der 8-Sekunden-Sprachausgabe vor:

<speak>
     <prosody amazon:max-duration="8s">
          Human speech is a powerful way to communicate.
          <break time="600ms"/>
          Even a simple ‘Hello’ can convey a lot of information depending on the pitch, intonation, and tempo.
     </prosody>
</speak>  

Eine Pause zwischen Sätzen hinzufügen

<s>

Dieses Tag wird von generativen, langformatigen, neuronalen und standardmäßigen TTS-Formaten unterstützt.

Mit dem Tag <s> können Sie eine Pause zwischen Zeilen oder Sätzen im Text einfügen. Die Verwendung dieses Tags hat die gleiche Wirkung wie:

Im Unterschied zum Tag <break> schließt das Tag <s> den Satz ein. Das ist beim Generieren von Sprachausgabe nützlich, deren Eingabetext zeilen- statt satzweise angeordnet ist, also beispielsweise bei Gedichten.

Im folgenden Beispiel sorgt das Tag <s> für eine kurze Pause nach dem ersten und zweiten Satz. Der letzte Satz hat kein <s>-Tag. Es folgt aber trotzdem eine kurze Pause, weil er mit einem Punkt endet.

<speak>
     <s>Mary had a little lamb</s> 
     <s>Whose fleece was white as snow</s> 
     And everywhere that Mary went, the lamb was sure to go.
</speak>  

Steuert, wie bestimmte Arten von Wörtern gesprochen werden

<say-as>

Mit Ausnahme der characters Option wird das <say-as> Tag von generativen, langformatigen, neuronalen und standardmäßigen TTS-Formaten unterstützt. Beachten Sie, dass, wenn Amazon Polly eine neuronale Stimme verwendet und zur Laufzeit auf das <say-as> Tag mit der characters Option trifft, der betroffene Satz mit der entsprechenden Standardstimme synthetisiert wird. Der betroffene Satz wird jedoch weiterhin so abgerechnet, als ob er eine neuronale Stimme verwendet.

Verwenden Sie das <say-as> Tag mit dem interpret-as Attribut, um Amazon Polly mitzuteilen, wie bestimmte Zeichen, Wörter und Zahlen ausgesprochen werden sollen. Auf diese Weise können Sie zusätzlichen Kontext angeben, um Unklarheiten darüber zu vermeiden, wie Amazon Polly den Text wiedergeben soll.

Das <say-as> Tag verwendet ein Attributinterpret-as, das eine Reihe möglicher verfügbarer Werte verwendet. Jeder dieser Werte verwendet die gleiche Syntax:

<say-as interpret-as="value">[text to be interpreted]</say-as>

Die folgenden Werte können mit interpret-as verwendet werden:

Bruchzahlen

Amazon Polly interpretiert Werte innerhalb des say-as Tags, die das interpret-as="fraction" Attribut enthalten, als gemeinsame Brüche. Im Folgenden wird die Syntax für Bruchzahlen beschrieben.

Datumsangaben

Wenn interpret-as auf date gesetzt ist, müssen Sie auch das Datumsformat angeben.

Für dieses Tag gilt folgende Syntax:

<say-as interpret-as="date" format="format">[date]</say-as>

Beispielsweise:

<speak>
     I was born on <say-as interpret-as="date" format="mdy">12-31-1900</say-as>.
</speak>

Die folgenden Formate können für das Attribut date angegeben werden.

Telefonnummer

Amazon Polly versucht, den von Ihnen bereitgestellten Text anhand der Textformatierung auch ohne das <say-as> Tag korrekt zu interpretieren. Wenn Ihr Text beispielsweise „202-555-1212“ enthält, interpretiert Amazon Polly ihn als 10-stellige Telefonnummer und sagt jede Ziffer einzeln, mit einer kurzen Pause für jeden Gedankenstrich. In diesem Fall müssen Sie <say-as interpret-as="telephone"> nicht verwenden. Wenn Sie jedoch den Text „2025551212“ angeben und möchten, dass Amazon Polly ihn als Telefonnummer sagt, geben Sie an. <say-as interpret-as="telephone">

Die Logik zur Interpretation der einzelnen Elemente ist sprachspezifisch. Die Aussprache von Telefonnummern unterscheidet sich beispielsweise zwischen US-amerikanischem und britischem Englisch (in Großbritannien werden aufeinanderfolgende gleiche Ziffern zusammengefasst, z. B. "double five" oder "triple four"). Sie können das folgende Beispiel mit einer US-amerikanischen und einer britischen Stimme testen, um den Unterschied zu hören:

<speak>
     Richard's number is <say-as interpret-as="telephone">2122241555</say-as>
</speak>

Aussprache von Akronymen und Abkürzungen

<sub>

Dieses Tag wird von generativen, langformatigen, neuronalen und standardmäßigen TTS-Formaten unterstützt.

Verwenden Sie das <sub>-Tag mit dem alias-Attribut, um gewählten Text – z. B. ein Akronym oder eine Abkürzung – durch ein anderes Wort (oder eine andere Aussprache) zu ersetzen.

Es gilt folgende Syntax:

<sub alias="new word">abbreviation</sub>

Im folgenden Beispiel wird der Name "Mercury" anstelle des chemischen Symbols für das Element gesprochen, um den Audioinhalt verständlicher zu machen.

<speak>
     My favorite chemical element is <sub alias="Mercury">Hg</sub>, because it looks so shiny. 
</speak>

Verbesserung der Aussprache durch Spezifizierung von Wortarten

<w>

Dieses Tag wird von generativen, langformatigen, neuronalen und standardmäßigen TTS-Formaten unterstützt.

Sie können das Tag <w> verwenden, um die Aussprache von Wörtern anzupassen, indem Sie die Wortart oder eine alternative Bedeutung angeben. Dies erfolgt mithilfe des Attributs role.

Dieses Tag verwendet folgende Syntax:

<w role="attribute">text</w>

Folgende Werte können für das Attribut role angegeben werden:

So geben Sie die Wortart an:

Beispiel: Je nach Wortart variiert die Aussprache des Wortes „read“ im US-Englischen in Abhängigkeit vom Tag:

<speak>
     The word <say-as interpret-as="characters">read</say-as> may be interpreted 
     as either the present simple form <w role="amazon:VB">read</w>, or the past 
     participle form <w role="amazon:VBD">read</w>.
</speak>

Um eine bestimmte Bedeutung zu spezifizieren:

Dieser Unterschied in Aussprache und Bedeutung ist hörbar, wenn Sie Folgendes zusammenfassen:

<speak>
    Depending on your meaning, the word <say-as interpret-as="characters">bass</say-as> 
    may be interpreted as either a musical element: bass, or as its alternative meaning, 
    a freshwater fish <w role="amazon:SENSE_1">bass</w>.
</speak>

Das Geräusch des Atems hinzufügen

<amazon:breath> und <amazon:auto-breaths>

Dieses Tag wird nur vom Standard-TTS-Format unterstützt.

Natürlich klingende Sprache besteht aus richtig gesprochenen Wörtern und Atemgeräuschen. Wenn Sie der synthetisierten Sprachausgabe Atemgeräusche hinzufügen, klingt sie natürlicher. Die Tags <amazon:breath> und <amazon:auto-breaths> stellen Atemgeräusche bereit. Ihnen stehen folgende Optionen zur Verfügung:

Manueller Modus

Im manuellen Modus platzieren Sie das Tag <amazon:breath/> im Eingabetext an der Stelle, an der das Atemgeräusch hörbar werden soll. Sie können Dauer und Lautstärke des Atemgeräusches mit den Attributen duration und volume festlegen:

Sie können ein Atemgeräusch mit Standardwerten festlegen, indem Sie <amazon:breath/> ohne Attribute verwenden.

Um beispielsweise Dauer und Lautstärke eines Atemgeräusches mit Attributen festzulegen, verwenden Sie folgende Attributwerte:

<speak>
     Sometimes you want to insert only <amazon:breath duration="medium" volume="x-loud"/>a single breath.
</speak>

Für ein Atemgeräusch mit Standardwerten verwenden Sie einfach das Tag:

<speak>
     Sometimes you need <amazon:breath/>to insert one or more average breaths <amazon:breath/> so that the 
     text sounds correct.
</speak>

Sie können folgendermaßen Atemgeräusche in eine Textpassage einfügen:

<speak>
     <amazon:breath duration="long" volume="x-loud"/> <prosody rate="120%"> <prosody volume="loud"> 
     Wow! <amazon:breath duration="long" volume="loud"/> </prosody> That was quite fast. <amazon:breath 
     duration="medium" volume="x-loud"/> I almost beat my personal best time on this track. </prosody>
</speak>

Automatischer Modus

Im automatisierten Modus verwenden Sie das <amazon:auto-breaths> Tag, um Amazon Polly anzuweisen, in geeigneten Intervallen automatisch Atemgeräusche zu erzeugen. Sie können die Häufigkeit der Intervalle sowie Lautstärke und Dauer einstellen. Platzieren Sie das Tag </amazon:auto-breaths> am Anfang und das entsprechende schließende Tag am Ende des Textes, für den Sie automatisierte Atemgeräusche generieren möchten.

Sie können die folgenden optionalen Attribute mit dem Tag <amazon:auto-breaths> verwenden:

Standardmäßig hängt die Häufigkeit der Atemgeräusche vom Eingabetext ab. Atemgeräusche treten häufig nach Kommas und Punkten auf.

Die folgenden Beispiele demonstrieren die Verwendung des Tags <amazon:auto-breaths>. Um zu entscheiden, welche Optionen Sie für Ihre Inhalte verwenden möchten, kopieren Sie die entsprechenden Beispiele auf die Amazon Polly Polly-Konsole und hören Sie sich die Unterschiede an.

Sprechstil von Newscaster

<amazon:domain name="news">

Der Newscaster-Stil ist nur für die Stimmen von Matthew oder Joanna verfügbar, die nur in amerikanischem Englisch (en-US), Lupe in US-Spanisch (es-US) und Amy in britischem Englisch (en-GB) verfügbar sind. Er wird nur für das Format Neural unterstützt.

Um den Newscaster-Stil zu verwenden, verwenden Sie SSML-Tags und die folgende Syntax:

<amazon:domain name="news">text</amazon:domain>

Beispielsweise könnten Sie den Newscaster-Stil mit der Stimme von Amy wie folgt verwenden:

<speak> 
<amazon:domain name="news"> 
From the Tuesday, April 16th, 1912 edition of The Guardian newspaper: 

The maiden voyage of the White Star liner Titanic, the largest ship ever launched, has ended in disaster. 

The Titanic started her trip from Southampton for New York on Wednesday. Late on Sunday night she struck 
an iceberg off the Grand Banks of Newfoundland. By wireless telegraphy she sent out signals of distress, 
and several liners were near enough to catch and respond to the call.
</amazon:domain> 
</speak> 

Komprimierung des Dynamikbereichs wird hinzugefügt

<amazon:effect name="drc">

Dieses Tag wird von Langform-, neuronalen und standardmäßigen TTS-Formaten unterstützt.

Je nach dem in einer Audiodatei verwendeten Text, der Sprache und der Stimme reichen die Töne von leise bis laut. Umgebungsgeräusche, wie z. B. der Klang eines sich bewegenden Fahrzeugs, können oft die leisen Töne überdecken, wodurch die Audiospur schwer zu hören ist. Um die Lautstärke bestimmter Sounds in Ihrer Audiodatei zu erhöhen, verwenden Sie den Tag für die Dynamikbereichkomprimierung (drc).

Das drc-Tag stellt einen mittleren „Lautstärke“-Schwellenwert für Ihr Audiomaterial ein und erhöht die Lautstärke (die Verstärkung) der Sounds um diesen Schwellenwert. Es wendet die größte Verstärkungszunahme an, die dem Schwellenwert am nächsten ist, und die Verstärkungszunahme wird weiter weg vom Schwellenwert verringert.

Dadurch werden die Klänge des mittleren Bereichs in einer geräuschvollen Umgebung besser hörbar, wodurch die gesamte Audiodatei klarer wird.

Der drc-Tag ist ein boolescher Parameter (entweder vorhanden oder nicht). Es verwendet die Syntax: <amazon:effect name="drc"> und wird mit </amazon:effect> geschlossen.

Sie können das drc Tag mit jeder Stimme oder Sprache verwenden, die von Amazon Polly unterstützt wird. Sie können es auf einen ganzen Abschnitt der Aufnahme oder nur für einige Wörter anwenden. Beispielsweise:

<speak>
     Some audio is difficult to hear in a moving vehicle, but <amazon:effect name="drc"> this audio 
     is less difficult to hear in a moving vehicle.</amazon:effect>
</speak>

Verwenden von drc mit dem prosody volume-Tag

Wie die folgende Grafik zeigt, erhöht der Tag prosody volume die Lautstärke einer gesamten Audiodatei gleichmäßig vom ursprünglichen Level (gepunktete Linie) auf einen angepassten Level (durchgezogene Linie). Um die Lautstärke bestimmter Teile der Datei weiter erhöhen, verwenden Sie den drc-Tag mit dem prosody volume-Tag. Die Kombination von Tags hat keine Auswirkungen auf die Einstellungen des Tags prosody volume.

Wenn Sie die prosody volume Tags drc und zusammen verwenden, wendet Amazon Polly das drc Tag zuerst an, wodurch die Geräusche im mittleren Bereich (diejenigen, die sich in der Nähe des Schwellenwerts befinden) verstärkt werden. Dann wendet es den Tag prosody volume an und erhöht die Lautstärke der gesamten Audiospur weiter gleichmäßig.

Um die Tags zusammen zu verwenden, verschachteln Sie sie ineinander. Beispielsweise:

<speak>
     <prosody volume="loud">This text needs to be understandable and loud. <amazon:effect name="drc">
     This text also needs to be more understandable in a moving car.</amazon:effect></prosody> 
</speak>

In diesem Text erhöht der Tag prosody volume die Lautstärke der gesamten Passage auf „laut“- Der Tag drc erhöht die Lautstärke der Mittelwerte im zweiten Satz.

Leise sprechen

<amazon:effect phonation="soft">

Dieses Tag wird derzeit nur vom Standard-TTS-Format unterstützt.

Verwenden Sie das <amazon:effect phonation="soft">Tag, um anzugeben, dass der eingegebene Text mit einer softer-than-normal Stimme gesprochen werden soll.

Es gilt folgende Syntax:

<amazon:effect phonation="soft">text</amazon:effect>

Sie können dieses Tag beispielsweise folgendermaßen mit der Stimme Matthew verwenden:

<speak>
     This is Matthew speaking in my normal voice. <amazon:effect phonation="soft">This 
     is Matthew speaking in my softer voice.</amazon:effect>
</speak>

Steuerung der Klangfarbe

<amazon:effect > vocal-tract-length

Dieses Tag wird derzeit nur vom Standard-TTS-Format unterstützt.

Timbre ist die Klangqualität einer Stimme, mit der Sie den Unterschied zwischen Stimmen erkennen können, selbst wenn sie die gleiche Tonhöhe und Lautstärke haben. Eine der wichtigsten physiologischen Eigenschaften, die zur Sprachtimbre beiträgt, ist die Länge des Vokaltraktes. Der Vokaltrakt ist eine Lufthöhle, die sich von der Oberseite der Stimmfalten bis zum Rand der Lippen erstreckt.

Verwenden Sie das Tag, um die Klangfarbe der ausgegebenen Sprache in Amazon Polly zu steuern. vocal-tract-length Dieser Tag hat die Wirkung, die Länge des Vokaltrakts des Sprechers zu verändern, was wie eine Änderung der Sprechergröße klingt. Wenn Sie die vocal-tract-lengtherhöhen, klingt der Sprecher physikalisch größer. Wenn Sie es verringern, klingt der Sprecher kleiner. Sie können dieses Tag mit allen Stimmen aus dem Amazon Polly Text-to-Speech-Portfolio verwenden.

Verwenden Sie die folgenden Werte, um das Timbre zu ändern:

Das folgende Beispiel zeigt, wie die Länge des Vokaltrakts geändert wird, um das Timbre zu ändern:

<speak>
     This is my original voice, without any modifications. <amazon:effect vocal-tract-length="+15%"> 
     Now, imagine that I am much bigger. </amazon:effect> <amazon:effect vocal-tract-length="-15%"> 
     Or, perhaps you prefer my voice when I'm very small. </amazon:effect> You can also control the 
     timbre of my voice by making minor adjustments. <amazon:effect vocal-tract-length="+10%"> 
     For example, by making me sound just a little bigger. </amazon:effect><amazon:effect 
     vocal-tract-length="-10%"> Or, making me sound only somewhat smaller. </amazon:effect> 
</speak>

Kombinieren von mehreren Tags

Sie können das vocal-tract-length Tag mit jedem anderen SSML-Tag kombinieren, das von Amazon Polly unterstützt wird. Da Timbre (Vokaltraktlänge) und Tonhöhe eng miteinander verbunden sind, können Sie die besten Ergebnisse erzielen, wenn Sie sowohl den vocal-tract-length als auch den <prosody pitch>-Tag verwenden. Um die realistischste Stimme zu erzeugen, empfehlen wir Ihnen, unterschiedliche Prozentsätze der Änderungen für die beiden Tags zu verwenden. Experimentieren Sie mit verschiedenen Kombinationen, um die gewünschten Ergebnisse zu erzielen.

Das folgende Beispiel zeigt, wie Tags kombiniert werden.

<speak> 
     The pitch and timbre of a person's voice are connected in human speech.
     <amazon:effect vocal-tract-length="-15%"> If you are going to reduce the vocal tract length, 
     </amazon:effect><amazon:effect vocal-tract-length="-15%"> <prosody pitch="+20%"> you 
     might consider increasing the pitch, too. </prosody></amazon:effect>  
     <amazon:effect vocal-tract-length="+15%"> If you choose to lengthen the vocal tract, 
     </amazon:effect> <amazon:effect vocal-tract-length="+15%"> <prosody pitch="-10%"> 
     you might also want to lower the pitch. </prosody></amazon:effect>
</speak>

Flüstern

<amazon:effect name="whispered">

Dieses Tag wird derzeit nur vom Standard-TTS-Format unterstützt.

Dieses Tag gibt an, dass der Eingabetext nicht normal gesprochen, sondern geflüstert werden soll. Dies kann mit allen Stimmen aus dem Amazon Polly Text-to-Speech-Portfolio verwendet werden.

Für dieses Tag gilt folgende Syntax:

<amazon:effect name="whispered">text</amazon:effect>

Beispielsweise:

<speak>
     <amazon:effect name="whispered">If you make any noise, </amazon:effect> 
     she said, <amazon:effect name="whispered">they will hear us.</amazon:effect>
</speak>

In diesem Fall wird die von der Figur gesprochene synthetisierte Sprache geflüstert, aber der Ausdruck „sie sagte“ wird in der normalen synthetisierten Sprache der ausgewählten Amazon Polly-Stimme gesprochen.

Sie können den „Flüstereffekt“ noch verstärken, indem Sie den Satzrhythmus je nach Belieben um bis zu 10 % verlangsamen.

Beispielsweise:

<speak>
     When any voice is made to whisper, <amazon:effect name="whispered">
     <prosody rate="-10%">the sound is slower and quieter than normal speech
     </prosody></amazon:effect>
</speak>

Beim Erstellen der Sprachmarkierungen für eine Flüsterstimme muss der Audiostream diese ebenfalls enthalten, um sicherzustellen, dass die Sprachmarkierungen zum Audiostream passen.