关于TTS（文本到语音） SSML（https://www.w3.org/TR/speech-synthesis11/）现在似乎是语音合成“元数据”规范的标准语言，用于控制语音的各个方面，如发音，音量，音调，速率等，跨越不同的合成平台（它已被采用为Amazon Alexa，Google Actions和其他API的标准。）
相反，关于ASR（自动语音识别） 是否有类似的情绪分析标准？
我的意思是，一个可能的标准参数识别记录语音中的情绪分析？目前，我没有在着名的Google Actions / Amazon Alexa平台API中看到类似的内容。我错了？
有什么想法吗？