設定合成語音的最長持續時間

PDF

RSS

焦點模式

設定合成語音的最長持續時間 - Amazon Polly

<prosody amazon:max-duration>

目前只有標準 TTS 格式支援此標籤。

若要控制語音合成時的持續時間長度，請使用 <prosody> 標籤搭配 amazon:max-duration 屬性。

取決於您所選擇的語音，合成語音的持續時間長度會稍有不同。因此，如果要將合成的語音，對應到視覺效果或需要精準對時的其他活動，可能會有點困難。對翻譯應用程式而言，這項問題會更嚴重，因為不同語言說出特定詞組所需的時間，可能會有很大的差異。

<prosody amazon:max-duration> 標籤會將合成語音對應到您所要的持續時間長度。

此標籤使用以下語法：


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

使用 <prosody amazon:max-duration> 標籤，您可以指定持續時間長度 (秒或毫秒)：

ns：持續時間長度上限 (以秒為單位)
nms：持續時間長度上限 (以毫秒為單位)

例如，下列口說文字的時間長度上限為 2 秒：


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

放置在標籤內的文字，不會超過指定的持續時間長度。如果選擇的語音或語言通常需要超過該持續時間，Amazon Polly 會加快語音速度，使其符合指定的持續時間。

如果指定的持續時間比以正常速率讀取文字更長，Amazon Polly 會正常讀取語音。&POL; 不會減慢語音的速度或加入靜音，因此產生的音訊會比所請求的短。

注意

Amazon Polly 增加的速度不會超過正常速率的 5 倍。如果用超過這個標準的速度來說出文字，通常會聽不清楚。如果即使加快到最高速度，也無法符合您指定的持續時間長度時，會將音訊的速度加快，但持續時間將會超過指定的長度。

您可以在 <prosody amazon:max-duration> 標籤中包含單一句子或多個句子，也可以在文字內容中使用多個 <prosody amazon:max-duration>。

例如：


<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>

當 Amazon Polly 傳回合成語音時，使用 <prosody amazon:max-duration>標籤可能會增加延遲。延遲的程度取決於文字內容及其長度。我們建議所使用的文字內容，最好包含相對較短的文字段落。

限制

使用 <prosody amazon:max-duration> 標籤的方式和此標籤搭配其他 SSML 標籤運作的方式，皆受到限制：

<prosody amazon:max-duration> 標籤內所包含的文字，其長度不能超過 1500 個字元。

您不能嵌套 <prosody amazon:max-duration> 標籤。如果您將一個<prosody amazon:max-duration>標籤放入另一個標籤，Amazon Polly 會忽略內部標籤。

例如，在下列的範例內容中，<prosody amazon:max-duration="5s"> 標籤會被忽略：


<speak>
     <prosody amazon:max-duration="16s">
          Human speech is a powerful way to communicate.
        
          <prosody amazon:max-duration="5s">
               Even a simple ‘Hello’ can convey a lot of information depending on the pitch, intonation, and tempo.
          </prosody>

          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>

您不能在使用 <prosody> 標籤搭配 rate 標籤中的 <prosody amazon:max-duration> 屬性。因為這兩者都會影響到口語文字的速度。

在下列範例中，Amazon Polly 會忽略 <prosody rate="2">標籤：


<speak>
     <prosody amazon:max-duration="7500ms">
          Human speech is a powerful way to communicate.
      
          <prosody rate="2">
               Even a simple ‘Hello’ can convey a lot of information depending on the pitch, intonation, and tempo.
          </prosody>
     </prosody>
</speak>

停頓和 max-duration

使用 max-duration 標籤時，您仍然可以在文字內容中插入停頓。不過，Amazon Polly 會在計算語音持續時間上限時包含暫停的長度。此外，Amazon Polly 會保留短停頓，其中逗號和句點放置在段落中，並包含在最長持續時間中。

例如，在下列的段落中，8 秒的語音包含了 600 毫秒的停頓，以及逗號和句點所造成的停頓。


<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>