Controlar o volume, a velocidade e o tom da fala

Modo de foco

Controlar o volume, a velocidade e o tom da fala - Amazon Polly

<prosody>

Os atributos das tags de prosódia são totalmente compatíveis com as vozes TTS padrão. As vozes generativas, neurais e de formato longo oferecem suporte aos rate atributos volume e, mas não oferecem suporte ao pitch atributo. Para vozes generativas, a tag de prosódia só pode ser usada em frases completas.

Para controlar o volume, a velocidade ou o tom da voz selecionada, use a tag prosody.

O volume, a taxa e o tom da fala dependem da voz selecionada. Além das diferenças entre vozes em idiomas diferentes, há diferenças entre vozes individuais falando o mesmo idioma. Por isso, embora os atributos sejam semelhantes em todos os idiomas, há variações nítidas entre idiomas e nenhum valor absoluto estará disponível.

A tag prosody tem três atributos, e cada um deles têm vários valores disponíveis para definir o atributo. Todos os atributos usam a mesma sintaxe:


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

volume
- default: redefine o volume como o nível padrão da voz atual.
- silent, x-soft, soft, medium, loud, x-loud: define o volume como um valor predefinido para a voz atual.
- +ndB, -ndB: altera o volume com relação ao nível atual. Um valor de +0dB significa nenhuma alteração, +6dB significa aproximadamente o dobro do volume atual e -6dB significa aproximadamente metade do volume atual.
Por exemplo, você pode definir o volume para um trecho das seguintes maneiras:
```
<speak>
     Sometimes it can be useful to <prosody volume="loud">increase the volume 
     for a specific speech.</prosody>                     
</speak>
```
Ou você pode definir assim:
```
<speak>
     And sometimes a lower volume <prosody volume="-6dB">is a more effective way of 
     interacting with your audience.</prosody>  
</speak>
```
rate
- x-slow, slow, medium, fast e x-fast especificam o tom para um valor predefinido da voz selecionada.
- n%: uma alteração de porcentagem não negativa na taxa da fala. Por exemplo, um valor de 100% significa nenhuma alteração na taxa da fala, 200% significa que a taxa é o dobro da taxa padrão e 50% que taxa é metade da taxa padrão. Esse valor varia de 20 a 200%.
Por exemplo, você pode definir a taxa da fala para um trecho das seguintes maneiras:
```
<speak>
     For dramatic purposes, you might wish to <prosody rate="slow">slow up the speaking 
     rate of your text.</prosody>                     
</speak>
```
Ou você pode definir assim:
```
<speak>
     Although in some cases, it might help your audience to <prosody rate="85%">slow 
     the speaking rate slightly to aid in comprehension.</prosody>  
</speak>
```
pitch
- default: redefine o tom como o nível padrão da voz atual.
- x-low, low, medium, high, x-high: Define o tom do valor predefinido para a voz atual.
- +n% ou -n%: Ajusta o tom por uma porcentagem relativa. Por exemplo, um valor de +0% significa nenhuma alteração no tom da linha de base, +5% fornece um tom de linha de base um pouco maior e -5% resulta em um tom de linha de base um pouco menor.
Por exemplo, você pode definir o tom para um trecho das seguintes maneiras:
```
<speak>
     Do you like sythesized speech <prosody pitch="high">with a pitch that is higher 
     than normal?</prosody>                     
</speak>
```
Ou você pode definir assim:
```
<speak>
     Or do you prefer your speech <prosody pitch="-10%">with a somewhat lower pitch?</prosody>  
</speak>
```

A tag <prosody> deve conter pelo menos um atributo, mas pode incluir mais atributos na mesma tag.


<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>

Ela também pode ser combinada com tags aninhadas da seguinte forma:


<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>