我一直在尝试让google's text to speech使用“语音”或“音素”发音，但是并没有使其表现始终如一。
我通过使用https://tophonetics.com/只能获得有限的结果 它翻译成“牛疯了”。到“ðəkaʊwɛntmæd”。但是'the''ðə' 听不到。当我尝试“ðɪsɪzsəmfəˈnɛtɪktɛkstˈɪnˌpʊt”时。
是否有任何SSML代码来定义文本的语音块， 可以是“ D，Iz sVm f @ n'EtIk t'Ekst'InpUt”格式 可以用来代替“ðɪsɪzsəmfəˈnɛtɪktɛkstˈɪnˌpʊt” “
答案 0 :(得分：0)
有一个符合您目的的SSML标签<phoneme>。
很遗憾，Google Cloud Text-to-speech当前不支持该功能。 documentation中列出了适用于Google Cloud的SSML标签的子集。 <phoneme>标签不在此列表中。使用Google Cloud text-to-speech-demo进行的实验确认音素被忽略。标签的内容将被读取为普通文本，正如@Trevor在评论中指出的那样。
但是，Microsoft Azure Text-to-Speech和Amazon Polly支持<phoneme>标记。在这两种情况下，可用的音素均限于所用语言的可用音素（请参见here for Azure和here for Polly）。关于排除语言外音素的问题，Azure文档尚不清楚100％，但是使用Azure Text-to-Speech demo进行的实际实验证实它们不能正常工作。在某些情况下，它们似乎至少被所用语言中最接近的等效语言所代替。
仅限于一种语言的音素会严重限制音素标记的用途。例如，您不能使用该功能以第二种语言嵌入正确发音的内容，因为第二种语言通常会包含一些第一种语言不可用的音素。具体的语言对中，每种语言都有一些其他音素无法提供的音素，分别是英语/德语，西班牙语/德语，英语/西班牙语。