如何让 Alexa“唱”铃铛？答案

【问题标题】：How to make Alexa 'sing' jingle bells?如何让 Alexa“唱”铃铛？
【发布时间】：2017-11-05 19:48:00
【问题描述】：

我正在创建一个季节性的 Alexa 技能，其中会有诸如“圣诞节前睡多少觉”、“我在好名单上”等意图；我还想邀请 Alexa 来唱铃儿响叮当。关键是让她唱歌。

在我的技能中，对于 singJingleBells 意图，我输出 Jingle Bells 的歌词作为语音响应，但 Alexa 读取歌词。（如果我说实话，正如预期的那样）。

我发现有一种（可能是亚马逊官方）技能可以让她唱铃儿响叮当。你可以说Alexa, sing Jingle Bells

我希望我的技能也能做到这一点。

我猜亚马逊的技能是通过SSML 语音学实现的，或者更有可能是通过SSML audio 标签或SSML speechcon interjection 预先录制的MP3

是否有办法发现/捕获亚马逊技能的输出响应，以便我能够理解（并复制！）它的工作方式？

使用史蒂夫的想法，我可以使用 echosim.io 上的控制台来捕获SpeechSynthesizer。不确定这是否能让我更接近？

{
    "directive": {
        "header": {
            "dialogRequestId": "dialogRequestId-6688b290-80d3-4111-a29d-4c60c6d47c31",
            "namespace": "SpeechSynthesizer",
            "name": "Speak",
            "messageId": "c5771361-2a80-4b00-beb6-22a783a7c504"
        },
        "payload": {
            "url": "cid:b438a3ea-d337-4c5f-b719-816e429ed473#Alexa3P:1.0/2017/11/06/20/94a9a7c4112b44568bff10df69d30825/01:18::TNIH_2V.f000372f-b147-4bea-81fb-4c2e7de67334ZXV/0_359577804",
            "token": "amzn1.as-ct.v1.Domain:Application:Knowledge#ACRI#b438a3ea-d337-4c5f-b719-816e429ed473#Alexa3P:1.0/2017/11/06/20/94a9a7c4112b44568bff10df69d30825/01:18::TNIH_2V.f000372f-b147-4bea-81fb-4c2e7de67334ZXV/0",
            "format": "AUDIO_MPEG"
        }
    }
}

【问题讨论】：

嗨，Nathan，最好的办法是在 Amazon Skills Kit forum 上四处询问。我非常怀疑您是否能够从您不拥有的技能中提取响应或 SSML。因为这是该技能的开发者/所有者拥有的专有信息。但是，如果您确实找到了实现此目的的方法，请随时在此处发布更新！
添加到我的答案中；您目前可以使用Test Simulator 查看 Alexa 播放的音频，请参阅设备日志。

标签： alexa alexa-skills-kit

【解决方案1】：

如果我理解正确，您希望将 Alexa 音频输出转换为 .mp3 文件（或其他格式），以便可以在自定义技能中再次播放。

如果这是目标，您将需要使用 Alexa 语音服务 (AVS)，更具体地说是 SpeechSynthesizer Interface 来获取音频输出，然后在您的自定义技能响应中使用。

因此，您将同时使用 Alexa Skills Kit（用于技能）和 Alexa Voice Service (AVS) 来获取音频。

【讨论】：

谢谢史蒂夫，你的回答让我明白了。我所做的是使用 echosim.io，然后使用 Chrome 开发工具来捕获 mpg 请求/响应。干杯
这是一个聪明的黑客内森！很高兴这个答案很有帮助，很高兴知道您现在已经弄清楚了。

【解决方案2】：

您可以使用audio 标签使用“铃儿响叮当”的音频剪辑。一个输出响应中最多可以使用 5 个音频标签。

音频剪辑必须遵循以下几点。

MP3 必须托管在可访问 Internet 的 HTTPS 端点上。 HTTPS 是必需的，并且托管 MP3 文件的域必须提供有效的、受信任的 SSL 证书。不能使用自签名证书。
MP3 不得包含任何客户特定信息或其他敏感信息。
MP3 必须是有效的 MP3 文件（MPEG 版本 2）。
音频文件不能超过九十 (90) 秒。
比特率必须为 48 kbps。请注意，当与语音内容一起使用时，此比特率会产生良好的效果，但对于音乐而言，质量通常不够高。
采样率必须为 16000 Hz。

请参阅此链接以获得更清晰的信息，Audio Tag

【讨论】：

是的，我知道audio 标签，但我真正想要的是亚马逊版本的 Alexa 以他们的技能唱出来。我的问题的最后一句话是“无论如何要发现/捕获亚马逊技能的输出响应，以便我可以理解（并复制！）它的工作方式？”。如果我能得到他们正在使用的 mp3 的 URL，我可以使用相同的 URL 编写一个 audio 标签