正如人们能够使用各种语音到文本的“听写”工具将语音单词转换为相应的文本一样，我想知道是否有类似的工具将语音单词转换为相应的SSML。也就是说，除了与演讲者的声音中存在的任何语调，韵律，暂停/休息，变形等相关的相关SSML标签之外，它还将提供文本。
答案 0 :(得分：0)
我正在构建语音应用程序。在我正在从事的最新项目中，我们需要文本听起来正确无误，并带有所有相关的语调，韵律，停顿/中断，转弯等。 在广泛的研究中，我们发现使文本听起来像是真实的人说的唯一方法是使用SSML（仍然不够完美）或录制的mp3。
如果您想让一个项目具有真实的感觉，执行该项目的最佳方法就是利用人。我建议您录制mp3（/由专业人士录制），而不要尝试从语音中获取SSML。
我们使用SSML的原因恰恰是计算机无法理解人类语音的相关语调，韵律，暂停/中断，转弯等。
如果您的目标是获取SSML，那么最好的方法是将文本转换为SSML。为此，我建议您在这里看看：
据我们所知，2018年7月中旬为止。 如果有人有更多信息，请添加到该答案中。
希望这会有所帮助：3