Słownikspeech synthesis markup language
Co to jest SSML w syntezie mowy voicebota
SSML (speech synthesis markup language) to zestaw znaczników, które wstawia się w tekst odpowiedzi, żeby dokładniej sterować tym, jak TTS go wypowie: gdzie zrobić pauzę, które słowo ma wybrzmieć mocniej, jak przeczytać liczbę albo skrót. Model językowy pisze zwykłe zdania, a znaczniki SSML, dodawane automatycznie przez system albo ręcznie przez twórcę agenta, pomagają ustalić szczegóły brzmienia, o ile dany syntezator je obsługuje.
Pauzy przed numerem telefonu i inne zastosowania
SSML najczęściej służy do pauz tam, gdzie zwykła interpunkcja nie oddaje naturalnego rytmu mówienia: dłuższa przerwa przed podaniem numeru telefonu pozwala klientowi sięgnąć po długopis albo zapisać cyfry. Drugie zastosowanie to wskazanie, jak przeczytać dany fragment: datę pełnymi słowami, skrót litera po literze, liczbę jako ciąg pojedynczych cyfr, a nie jako rok. Ogólniejszą zamianę zapisu na formę do wymówienia robi osobno normalizacja tekstu, a SSML dokłada nad nią precyzyjniejszą warstwę, dla miejsc, w których ogólne reguły nie wystarczają.
Obsługa SSML zależy od syntezatora.
Część nowszych modeli nie przyjmuje nawet znacznika pauzy i steruje rytmem przez interpunkcję albo własne znaczniki dostawcy, więc przed konfiguracją sprawdź, co dany głos rozumie. Ręczne sterowanie przydaje się głównie w wyjątkowych miejscach, choćby w stałym powitaniu firmy, gdzie liczy się pewność brzmienia.
Kod e-recepty podawany przez telefon
Apteka Zdrowie, dzień dobry, tu asystent AI.
Chciałabym zarezerwować lek z e-recepty, czy mogę podać kod?
Proszę bardzo, słucham.
Gdy agent będzie powtarzał klientce kod, żeby go potwierdzić, odpowiednio ustawiony SSML wydłuży pauzy między grupami cyfr. Wtedy kod brzmi jak dyktowany przez człowieka, z oddechem po każdej grupie.
Czy firma musi znać się na SSML
Właściciel firmy zwykle nie pisze znaczników SSML ręcznie: to zadanie dla osoby konfigurującej agenta albo dla samego systemu.
Wystarczy wiedzieć, że taki mechanizm istnieje. Gdy w nagraniach coś brzmi nienaturalnie, choćby zbyt szybko przeczytana data albo brak pauzy przed ważną informacją, pytanie do dostawcy o SSML jest konkretniejsze niż ogólne „popraw brzmienie głosu”.
Posłuchaj, jak to brzmi w praktyce
Pięciu asystentów demo rozmawia po polsku w przeglądarce, bez instalowania czegokolwiek. Dane w rozmowach są przykładowe, ale sposób prowadzenia rozmowy jest taki sam jak w prawdziwym wdrożeniu.