【发布时间】：2018-02-16 22:26:42
【问题描述】：
正如人们能够使用各种语音到文本的“听写”工具将口语单词转换为相应的文本一样，我想知道是否有类似的工具可以将口语单词转换为相应的 SSML。也就是说，除了与说话者声音中存在的任何语调、韵律、停顿/中断、变形等相关的 SSML 标签之外，它还将提供文本。
【问题讨论】：
标签： text-to-speech speech-to-text speech-synthesis alexa-voice-service ssml
【发布时间】：2018-02-16 22:26:42
【问题描述】：
我致力于构建语音应用程序。在我最近做的一个项目中，我们需要文本听起来完全正确，以及所有相关的语调、韵律、停顿/中断、变形等。 在广泛的研究中，我们发现让文本听起来像真人说话的唯一方法是使用 SSML（仍然不完美）或录制的 mp3。
如果您想要让一个项目具有真实的个人感觉，那么执行它的最佳方式是利用人工。我建议您录制 mp3（/让专业人士录制），而不是尝试从语音中获取 SSML。
我们使用 SSML 的原因正是因为计算机无法理解人类语音的相关语调、韵律、停顿/停顿、变形等。
如果您的目标是获得 SSML，那么最好的方法是将文本转换为 SSML。为此，我建议在这里看看：
据我们所知，这是在 2018 年 7 月中旬。 如果有人有更多信息，请随时添加到此答案中。
希望这会有所帮助：3
【讨论】：
-
问题是关于使用某种语音转文本 (SSML) 生成 SSML。有很多可用的 STT 引擎，但它们为您提供纯文本而不是 SSML。