SSML aus Klartext erzeugen: Anleitung für den SSML Generator

Wofür der SSML Generator geeignet ist

Der SSML Generator wandelt eingegebenen Klartext in Markup der Speech Synthesis Markup Language um. Dieses Markup können Sie anschließend in einer Text-to-Speech-Anwendung weiterverwenden, wenn Sie die Sprechgeschwindigkeit, Tonhöhe oder Lautstärke steuern möchten. Die Ausgabe ist dabei kein Audio, sondern eine strukturierte Textdarstellung für Sprachsynthese.

SSML aus Klartext erzeugen

1. Geben Sie den Text ein, der später von einer Sprachsynthese verarbeitet werden soll. Der Texteingang ist optional, für ein brauchbares Ergebnis benötigen Sie jedoch tatsächlich Text.

2. Wählen Sie bei Bedarf einen Stimmennamen. Wenn Sie keine Stimme angeben, wird default verwendet. Die konkrete Bezeichnung einer Stimme sollte zu dem Text-to-Speech-System passen, in dem Sie das Markup einsetzen möchten.

3. Legen Sie die Sprechgeschwindigkeit fest. Verfügbar sind x-slow, slow, medium, fast und x-fast. Für die Tonhöhe stehen x-low, low, medium, high und x-high zur Verfügung. Die Lautstärke können Sie mit silent, x-soft, soft, medium, loud oder x-loud wählen.

4. Prüfen Sie die Eingabe und lassen Sie das Markup erzeugen. Erkannte Geschwindigkeits- und Tonhöhenwerte werden in relative Prozentwerte übertragen. Erkannte Lautstärkewerte werden in numerische Pegel umgewandelt. Falls ein Wert nicht erkannt wird, fällt die jeweilige Einstellung auf medium zurück.

5. Übernehmen Sie das erzeugte Markup in den vorgesehenen Text-to-Speech-Ablauf und prüfen Sie dort, wie das verwendete System die Angaben verarbeitet. Der Generator selbst liefert die Markup-Ausgabe, keine Tonaufnahme.

Ausgabe richtig einordnen

Achten Sie bei der Prüfung besonders auf die Textstruktur. Der eingegebene Text wird vor der Aufnahme in das Markup XML-escaped. Dadurch werden Sonderzeichen nicht unverändert in die Markup-Struktur übernommen. Nicht leere Zeilen werden zu Satz-Elementen gruppiert; zwei aufeinanderfolgende Zeilenumbrüche trennen Absätze.

Bei der Interpretation der Einstellungen ist wichtig, zwischen Auswahlwert und späterer Darstellung zu unterscheiden: fast ist eine verständliche Geschwindigkeitsvorgabe, während das erzeugte Markup dafür einen relativen Prozentwert enthalten kann. Gleiches gilt für Tonhöhe und die numerische Darstellung der Lautstärke. Ein nicht erkannter Wert bedeutet nicht eine zusätzliche individuelle Einstellung, sondern führt zur jeweiligen mittleren Vorgabe.

Bleibt der effektive Text leer oder besteht er nur aus Leerzeichen, wird der Vorgang zwar erfolgreich beendet, aber mit einer Fehleranzeige statt mit erzeugtem Sprach-Markup. Prüfen Sie in diesem Fall zunächst den Inhalt und die Zeilenumbrüche. Ob ein bestimmtes Text-to-Speech-System das erzeugte Markup akzeptiert oder einzelne Angaben gleich interpretiert, lässt sich aus der Ausgabe allein nicht ableiten.

Praktisches Beispiel

Sie möchten eine kurze Begrüßung mit einer schnellen Sprechweise, niedriger Tonhöhe und hoher Lautstärke für einen nachgelagerten Text-to-Speech-Ablauf vorbereiten.

Geben Sie „Guten Morgen.

Heute beginnt die Konferenz.“ ein, verwenden Sie die Stimme default und wählen Sie fast, low sowie loud. Lassen Sie anschließend das Markup erzeugen.

Die Ausgabe hat die Form von SSML-Markup: Der eingegebene Text ist XML-escaped, nicht leere Zeilen sind in Satz-Elemente gruppiert und der doppelte Zeilenumbruch trennt Absätze. Die gewählten Sprachparameter werden in der Markup-Darstellung berücksichtigt.

Einschränkungen

• Eine leere oder nur aus Leerzeichen bestehende Eingabe führt zu einer Fehleranzeige statt zu erzeugtem Markup.
• Die deklarierte Netzwerkkonfiguration ist deaktiviert. Daraus lassen sich keine Aussagen über Speicherung, Datenschutz oder die konkrete Ausführungsumgebung ableiten.

Häufige Fehler

• Ursache: Das Feld enthält keinen wirksamen Text oder nur Leerzeichen. Korrektur: Fügen Sie mindestens sichtbaren Text ein und starten Sie die Erzeugung erneut.

Häufige Fragen

Was passiert bei einer leeren Eingabe?

Wenn der Text nur aus Leerzeichen besteht, wird der Vorgang mit einer Fehleranzeige statt mit erzeugtem SSML-Markup beendet. Fügen Sie sichtbaren Text ein und wiederholen Sie die Erzeugung.

Welche Stimme wird verwendet, wenn ich keine auswähle?

Wenn Sie keinen Stimmennamen angeben, wird default verwendet. Eine andere Stimme können Sie über ihren Namen vorgeben.

Was passiert bei einer unbekannten Einstellung?

Wenn ein Geschwindigkeits-, Tonhöhen- oder Lautstärkewert nicht erkannt wird, fällt nur diese Einstellung auf medium zurück. Erkannte Werte werden in die jeweilige Markup-Darstellung übertragen.