SSML (Luồng hộp thoại) Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.

Khi trả lời câu trả lời cho Trợ lý Google, bạn có thể sử dụng một số thuộc tính Ngôn ngữ đánh dấu tổng hợp giọng nói (SSML) trong câu trả lời của bạn. Theo bằng SSML, bạn có thể làm cho câu trả lời của cuộc trò chuyện có vẻ tự nhiên hơn CANNOT TRANSLATE Sau đây là ví dụ về mã đánh dấu SSML và cách mã này được đọc lại Trợ lý Google.

Âm thanh

Lưu ý: Đối với phần tử SSML <audio>, bạn phải chèn tệp tham chiếu đến tệp âm thanh. Nhằm giúp bạn nâng cao trải nghiệm người dùng cho các Hành động, Google cũng cung cấp một số tệp âm thanh được lưu trữ trong thư viện âm thanh.

SSML được hỗ trợ trong Trình mô phỏng hành động, nhưng Dialogflow không hỗ trợ trình mô phỏng.

URL trong SSML

Khi xác định phản hồi SSML chỉ bao gồm URL, ký hiệu "&" trong URL đó có thể gây ra vấn đề do định dạng XML. Để đảm bảo URL được nhập đúng cách được tham chiếu, hãy thay thế các bản sao của & bằng &amp;.

Ngay cả khi phản hồi SSML của bạn chỉ bao gồm URL, Actions on Google vẫn yêu cầu hiển thị văn bản cho câu trả lời. Vì văn bản bên trong thẻ <audio> sẽ không được do Trợ lý nói, bạn có thể chèn văn bản bộ nạp hoặc một đoạn mô tả ngắn vào Thẻ <audio> để đáp ứng yêu cầu này. Văn bản bên trong thẻ <audio> sẽ không được được Trợ lý nói sau khi phát âm thanh và đáp ứng tính năng Hành động trên phiên bản văn bản hiển thị của SSML.

Dưới đây là ví dụ về một phản hồi SSML có vấn đề:

<speak> <audio src="https://firebasestorage.googleapis.com/v0/b/project-name.appspot.com/o/audio-file-name.ogg?alt=media&token=XXXXXXXX-XXXX-XXXX-XXXX-XXXXXXXXXXXX"> </audio> </speak>

Ví dụ trên không thoát & để định dạng XML thích hợp.

Phiên bản sửa lỗi của cùng một phản hồi SSML sẽ có dạng như sau:

<speak> <audio src="https://firebasestorage.googleapis.com/v0/b/project-name.appspot.com/o/audio-file-name.ogg?alt=media&amp;token=XXXXXXXX-XXXX-XXXX-XXXX-XXXXXXXXXXXX"> text </audio> </speak>

Hỗ trợ các phần tử SSML

Các phần sau đây mô tả các phần tử và tuỳ chọn SSML có thể dùng trong Hành động của bạn.

Xin lưu ý rằng một số phần tử và tuỳ chọn được mô tả trong quy cách W3 SSML hiện không được nền tảng Actions on Google hỗ trợ. Trang này nêu chi tiết các phần tử và tuỳ chọn nào có sẵn cho ứng dụng của bạn. Các đường liên kết tham khảo W3 dưới đây có thể giúp ích cho bạn trong việc cung cấp thêm bối cảnh và ví dụ.

<speak>

Phần tử gốc của phản hồi SSML.

Để tìm hiểu thêm về phần tử speak, hãy xem thông số kỹ thuật của W3.

Ví dụ:

<speak> my SSML content </speak>

Trình duyệt của bạn không hỗ trợ phần tử Âm thanh HTML5.

<break>

Một phần tử trống kiểm soát việc tạm dừng hoặc những ranh giới tạm thời khác giữa các từ. Bạn không bắt buộc phải sử dụng <break> giữa các cặp mã thông báo bất kỳ. Nếu không có yếu tố này giữa các từ, dấu ngắt sẽ được tự động xác định dựa trên ngữ cảnh ngôn ngữ.

Để tìm hiểu thêm về phần tử break, hãy xem thông số kỹ thuật của W3.

Thuộc tính

Thuộc tính Mô tả time

Đặt thời lượng của điểm chèn theo giây hoặc mili giây (ví dụ: "3 giây" hoặc "250 mili giây").

strength

Đặt độ mạnh của điểm chèn giả tạo của đầu ra theo các điều kiện tương đối. Các giá trị hợp lệ là: "x-yếu", "yếu", "trung bình", "mạnh" và "x-strong". Giá trị "không có" chỉ ra rằng không nên đưa ra ranh giới phá vỡ hữu hình. Giới hạn này có thể được dùng để ngăn chặn sự phá vỡ hữu hình mà bộ xử lý sẽ tạo ra. Các giá trị khác cho biết độ mạnh giữa các mã thông báo không giảm (tăng theo khái niệm). Những ranh giới mạnh mẽ hơn thường đi kèm với những khoảng lặng.

Ví dụ:

Ví dụ sau đây cho thấy cách sử dụng phần tử <break> để tạm dừng giữa các bước:

<speak> Step 1, take a deep breath. <break time="200ms"/> Step 2, exhale. Step 3, take a deep breath again. <break strength="weak"/> Step 4, exhale. </speak>

Trình duyệt của bạn không hỗ trợ phần tử Âm thanh HTML5.

<say‑as>

Phần tử này cho phép bạn cho biết thông tin về kiểu cấu trúc văn bản có trong phần tử. Lớp này cũng giúp chỉ định mức độ chi tiết để hiển thị văn bản bên trong.

Phần tử <say‑as> có thuộc tính bắt buộc là interpret-as. Thuộc tính này sẽ xác định cách đọc giá trị. Bạn có thể sử dụng các thuộc tính không bắt buộc format và detail tuỳ thuộc vào giá trị interpret-as cụ thể.

Ví dụ

Thuộc tính interpret-as hỗ trợ các giá trị sau:

Để tìm hiểu thêm về phần tử say-as, hãy xem thông số kỹ thuật của W3.

<audio>

Hỗ trợ chèn các tệp âm thanh đã ghi và chèn các định dạng âm thanh khác cùng với đầu ra giọng nói tổng hợp.

Thuộc tính

Thuộc tính Bắt buộc Mặc định Giá trị src có không áp dụng URI tham chiếu đến nguồn nội dung nghe nhìn dạng âm thanh. Giao thức được hỗ trợ là https. clipBegin không 0 TimeDesignation (Thiết kế thời gian) là giá trị bù trừ từ thời điểm nguồn âm thanh bắt đầu phát. Nếu giá trị này lớn hơn hoặc bằng thời lượng thực tế của nguồn âm thanh, thì sẽ không có âm thanh nào được chèn. clipEnd không vô hạn TimeDesignation (Thiết kế thời gian) là giá trị bù trừ từ thời điểm bắt đầu phát đến lúc kết thúc của nguồn âm thanh. Nếu thời lượng thực tế của nguồn âm thanh nhỏ hơn giá trị này thì quá trình phát sẽ kết thúc tại thời điểm đó. Nếu clipBegin lớn hơn hoặc bằng clipEnd thì sẽ không có âm thanh nào được chèn. speed không 100% Tỷ lệ tốc độ phát đầu ra so với tốc độ đầu vào bình thường, biểu thị dưới dạng phần trăm. Định dạng là Số thực dương, theo sau là %. Phạm vi hiện được hỗ trợ là [50% (chậm - một nửa tốc độ), 200% (nhanh - gấp đôi)]. Các giá trị nằm ngoài phạm vi đó có thể (hoặc có thể không) được điều chỉnh để nằm trong phạm vi đó. repeatCount không 1 hoặc 10 nếu bạn đặt repeatDur Số thực xác định số lần chèn âm thanh vào (sau khi cắt, nếu có, bằng clipBegin và/hoặc clipEnd). Không hỗ trợ lặp lại phân số, vì vậy, giá trị sẽ được làm tròn thành số nguyên gần nhất. 0 không phải là một giá trị hợp lệ và do đó được coi là không được chỉ định và có giá trị mặc định trong trường hợp đó. repeatDur không vô hạn TimeDesignation (Thiết kế thời gian) là giới hạn về thời lượng của âm thanh được chèn sau khi nguồn được xử lý cho các thuộc tính clipBegin, clipEnd, repeatCount và speed (thay vì thời lượng phát thông thường). Nếu thời lượng của âm thanh được xử lý nhỏ hơn giá trị này thì quá trình phát sẽ kết thúc tại thời điểm đó. soundLevel không 0 dB Điều chỉnh mức âm thanh bằng soundLeveldecibel. Phạm vi tối đa là +/-40 dB nhưng phạm vi thực tế có thể kém hiệu quả hơn và chất lượng đầu ra có thể không mang lại kết quả tốt trên toàn bộ phạm vi.

Sau đây là các chế độ cài đặt hiện được hỗ trợ cho âm thanh:

Nội dung của phần tử <audio> là không bắt buộc và được sử dụng nếu không thể phát tệp âm thanh hoặc nếu thiết bị đầu ra không hỗ trợ âm thanh. Nội dung có thể bao gồm phần tử <desc>. Trong trường hợp đó, nội dung văn bản của phần tử đó sẽ được dùng để hiển thị. Để biết thêm thông tin, hãy xem phần Âm thanh đã ghi trong Danh sách kiểm tra cho câu trả lời.

URL src cũng phải là một URL https (Google Cloud Storage có thể lưu trữ các tệp âm thanh của bạn trên một URL https).

Để tìm hiểu thêm về phản hồi của nội dung nghe nhìn, hãy xem phần phản hồi của nội dung nghe nhìn trong hướng dẫn về Nội dung phản hồi.

Để tìm hiểu thêm về phần tử audio, hãy xem thông số kỹ thuật của W3.

Ví dụ:

<speak> <audio src="cat_purr_close.ogg"> <desc>a cat purring</desc> PURR (sound didn't load) </audio> </speak>

Trình duyệt của bạn không hỗ trợ phần tử Âm thanh HTML5.

<p>,<s>

Thành phần câu và đoạn.

Để tìm hiểu thêm về các phần tử p và s, hãy xem thông số kỹ thuật của W3.

Ví dụ:

<p><s>This is sentence one.</s><s>This is sentence two.</s></p>

Trình duyệt của bạn không hỗ trợ phần tử Âm thanh HTML5.

Các phương pháp hay nhất

<sub>

Cho biết rằng văn bản trong giá trị thuộc tính bí danh sẽ thay thế văn bản chứa trong cách phát âm.

Bạn cũng có thể sử dụng phần tử sub để cung cấp cách phát âm đơn giản của một từ khó đọc. Ví dụ cuối cùng bên dưới minh hoạ trường hợp sử dụng này bằng tiếng Nhật.

Để tìm hiểu thêm về phần tử sub, hãy xem thông số kỹ thuật của W3.

Ví dụ

<sub alias="World Wide Web Consortium">W3C</sub>

Trình duyệt của bạn không hỗ trợ phần tử Âm thanh HTML5.

<sub alias="にっぽんばし">日本橋</sub>

Trình duyệt của bạn không hỗ trợ phần tử Âm thanh HTML5.

<mark>

Phần tử trống đặt điểm đánh dấu vào trình tự văn bản hoặc thẻ. Bạn có thể dùng hàm này để tham chiếu vị trí cụ thể trong trình tự hoặc để chèn điểm đánh dấu vào luồng đầu ra đối với thông báo không đồng bộ.

Lưu ý: Hãy tuân thủ các nguyên tắc sau khi sử dụng phần tử mark: Lưu ý: Để thuận tiện, bạn sẽ tự động nhận được START và END sự kiện trong phản hồi của bạn cho Canvas tương tác. Các nhãn này không được đưa vào thông số kỹ thuật W3.

Để tìm hiểu thêm về phần tử mark, hãy xem thông số kỹ thuật của W3.

Ví dụ:

Trình duyệt của bạn không hỗ trợ phần tử Âm thanh HTML5.

Hãy tự mình trải nghiệm

<prosody>

Dùng để tuỳ chỉnh cao độ, tốc độ nói và âm lượng của văn bản có trong phần tử. Hiện tại, các thuộc tính rate, pitch và volume được hỗ trợ.

Bạn có thể thiết lập thuộc tính rate và volume theo thông số kỹ thuật W3. Có 3 cách để thiết lập giá trị của thuộc tính pitch:

Lưu ý: Bạn chỉ nên dùng thẻ <prosody> cho một câu đầy đủ. Các từ trong câu có thể khiến lời nói có những khoảng tạm dừng không mong muốn. Thuộc tính Mô tả name

Mã nhận dạng chuỗi của từng nhãn.

<speak> Go from <mark name="here"/> here, to <mark name="there"/> there! </speak> Phương thức Mô tả Họ hàng Chỉ định giá trị tương đối (ví dụ: "thấp", "trung bình", "cao", v.v.) trong đó "trung bình" là cao độ mặc định. Nửa cung Tăng hoặc giảm độ cao theo "N" nửa cung sử dụng "+N" hoặc "-N" . Lưu ý rằng "+/-" và "st" là trường bắt buộc. Phần trăm Tăng hoặc giảm độ cao theo "N" phần trăm bằng cách sử dụng "+N%" hoặc "-N%" . Lưu ý rằng "%" là bắt buộc nhưng "+/-" là tuỳ chọn.

Để tìm hiểu thêm về phần tử prosody, hãy xem thông số kỹ thuật của W3.

Ví dụ:

Ví dụ sau đây sử dụng phần tử <prosody> để nói chậm ở 2 nửa cung thấp hơn bình thường:

<prosody rate="slow" pitch="-2st">Can you hear me now?</prosody>

Trình duyệt của bạn không hỗ trợ phần tử Âm thanh HTML5.

<emphasis>

Dùng để thêm hoặc xoá điểm nổi bật khỏi văn bản có trong phần tử. Phần tử <emphasis> sửa đổi lời nói tương tự như <prosody>, nhưng không cần phải đặt từng thuộc tính lời nói.

Lưu ý: Bạn chỉ nên dùng thẻ <emphasis> cho một câu đầy đủ. Các từ trong câu có thể khiến lời nói có những khoảng tạm dừng không mong muốn.

Phần tử này hỗ trợ "cấp" tuỳ chọn bằng các giá trị hợp lệ sau đây:

Để tìm hiểu thêm về phần tử emphasis, hãy xem thông số kỹ thuật của W3.

Ví dụ:

Ví dụ sau đây sử dụng phần tử <emphasis> để tạo thông báo:

<emphasis level="moderate">This is an important announcement</emphasis>

Trình duyệt của bạn không hỗ trợ phần tử Âm thanh HTML5.

<par>

Một vùng chứa nội dung nghe nhìn song song cho phép bạn phát nhiều phần tử nội dung nghe nhìn cùng một lúc. Nội dung duy nhất được phép là một tập hợp gồm một hoặc nhiều phần tử <par>, <seq> và <media>. Thứ tự của các phần tử <media> là không đáng kể.

Trừ phi phần tử con chỉ định thời gian bắt đầu khác, thời gian bắt đầu ngầm định của phần tử đó sẽ giống với thời gian bắt đầu của vùng chứa <par>. Nếu một phần tử con có giá trị chênh lệch được đặt cho thuộc tính begin (bắt đầu) hoặc end (kết thúc), thì độ lệch của phần tử con này sẽ tương ứng với thời điểm bắt đầu của vùng chứa <par>. Đối với phần tử <par> gốc, thuộc tính bắt đầu sẽ bị bỏ qua và thời điểm bắt đầu là khi quá trình tổng hợp giọng nói SSML bắt đầu tạo đầu ra cho phần tử <par> gốc (tức là thời gian thực tế là "không").

Lưu ý: Phần tử này không phải là một phần tử SSML tiêu chuẩn và được cung cấp dưới dạng một tính năng bổ sung của nền tảng Actions on Google.

Ví dụ:

<speak> <par> <media xml:id="question" begin="0.5s"> <speak>Who invented the Internet?</speak> </media> <media xml:id="answer" begin="question.end+2.0s"> <speak>The Internet was invented by cats.</speak> </media> <media begin="answer.end-0.2s" soundLevel="-6dB"> <audio src="https://actions.google.com/.../cartoon_boing.ogg"/> </media> <media repeatCount="3" soundLevel="+2.28dB" fadeInDur="2s" fadeOutDur="0.2s"> <audio src="https://actions.google.com/.../cat_purr_close.ogg"/> </media> </par> </speak>

Trình duyệt của bạn không hỗ trợ phần tử Âm thanh HTML5.

<seq>

Một vùng chứa nội dung nghe nhìn tuần tự cho phép bạn phát lần lượt các phần tử nội dung nghe nhìn. Nội dung duy nhất được phép là một tập hợp gồm một hoặc nhiều phần tử <seq>, <par> và <media>. Thứ tự của các phần tử nội dung đa phương tiện là thứ tự hiển thị của các phần tử đó.

Bạn có thể đặt thuộc tính begin và end của các phần tử con để bù trừ giá trị (xem phần Thông số kỹ thuật thời gian ở bên dưới). Các phần tử con đó các giá trị chênh lệch sẽ tương ứng với điểm kết thúc của phần tử trước đó trong trình tự hoặc so với điểm bắt đầu vùng chứa <seq> của phần tử đầu tiên trong trình tự.

Lưu ý: Phần tử này không phải là một phần tử SSML tiêu chuẩn và được cung cấp dưới dạng một tính năng bổ sung của nền tảng Actions on Google.

Ví dụ:

<speak> <seq> <media begin="0.5s"> <speak>Who invented the Internet?</speak> </media> <media begin="2.0s"> <speak>The Internet was invented by cats.</speak> </media> <media soundLevel="-6dB"> <audio src="https://actions.google.com/.../cartoon_boing.ogg"/> </media> <media repeatCount="3" soundLevel="+2.28dB" fadeInDur="2s" fadeOutDur="0.2s"> <audio src="https://actions.google.com/.../cat_purr_close.ogg"/> </media> </seq> </speak>

Trình duyệt của bạn không hỗ trợ phần tử Âm thanh HTML5.

<media>

Đại diện cho một lớp nội dung nghe nhìn trong phần tử <par> hoặc <seq>. Nội dung được phép của phần tử <media> là phần tử SSML <speak> hoặc <audio>. Bảng sau đây mô tả các thuộc tính hợp lệ cho một phần tử <media>.

Lưu ý: Phần tử này không phải là một phần tử SSML tiêu chuẩn và được cung cấp dưới dạng một tính năng bổ sung của nền tảng Actions on Google.

Thuộc tính

Thuộc tính Bắt buộc Mặc định Giá trị xml:id không không có giá trị Giá trị nhận dạng XML duy nhất cho phần tử này. Không hỗ trợ thực thể đã mã hoá. Các giá trị nhận dạng được phép khớp với biểu thức chính quy "([-_#]|p{L}|p{D})+". Xem phần XML-ID để biết thêm thông tin. bắt đầu không 0 Thời gian bắt đầu của vùng chứa nội dung nghe nhìn này. Bỏ qua nếu đây là phần tử vùng chứa phương tiện gốc (được xử lý giống như giá trị mặc định là "0"). Xem phần Đặc tả thời gian bên dưới để biết các giá trị chuỗi hợp lệ. kết thúc không không có giá trị Thông số kỹ thuật về thời gian kết thúc cho vùng chứa nội dung nghe nhìn này. Xem phần Đặc tả thời gian bên dưới để biết các giá trị chuỗi hợp lệ. repeatCount không 1 Số thực xác định số lần chèn nội dung nghe nhìn. Không hỗ trợ lặp lại phân số, vì vậy, giá trị sẽ được làm tròn thành số nguyên gần nhất. 0 không phải là một giá trị hợp lệ và do đó được coi là không được chỉ định và có giá trị mặc định trong trường hợp đó. repeatDur không không có giá trị TimeDesignation (Thiết kế thời gian) cho biết thời lượng của nội dung nghe nhìn được chèn. Nếu thời lượng của nội dung nghe nhìn nhỏ hơn giá trị này thì quá trình phát sẽ kết thúc tại thời điểm đó. soundLevel không 0 dB Điều chỉnh mức âm thanh của âm thanh theo soundLevel đexiben. Phạm vi tối đa là +/-40 dB nhưng phạm vi thực tế có thể kém hiệu quả hơn và chất lượng đầu ra có thể không mang lại kết quả tốt trên toàn bộ phạm vi. fadeInDur không 0 giây Một TimeDesignation (Thiết kế thời gian) mà theo đó nội dung nghe nhìn sẽ mờ dần từ im lặng sang soundLevel được chỉ định tuỳ ý. Nếu thời lượng của nội dung nghe nhìn nhỏ hơn giá trị này, thì hiệu ứng rõ dần sẽ dừng khi kết thúc quá trình phát và mức âm thanh sẽ không đạt được mức âm thanh đã chỉ định. fadeOutDur không 0 giây TimeDesignation (Thiết kế thời gian) mà theo đó nội dung đa phương tiện sẽ mờ dần từ soundLevel được chỉ định tuỳ ý cho đến khi không có tiếng. Nếu thời lượng của nội dung nghe nhìn nhỏ hơn giá trị này, thì mức âm thanh được đặt thành giá trị thấp hơn để đảm bảo đạt được khoảng lặng khi kết thúc quá trình phát.

Thông số thời gian

Thông số thời gian, dùng cho giá trị của thuộc tính "begin" (bắt đầu) và "end" (kết thúc) của các phần tử <media> và vùng chứa nội dung đa phương tiện (phần tử <par> và <seq>), có thể là giá trị bù trừ (ví dụ: +2.5s) hoặc giá trị Syncbase (ví dụ: foo_id.end-250ms).

Trình mô phỏng TTS

Bảng điều khiển Actions có một trình mô phỏng TTS mà bạn có thể dùng để kiểm thử SSML với bất kỳ yếu tố nào ở trên. Bạn có thể tìm thấy trình mô phỏng TTS trong bảng điều khiển trong Trình mô phỏng > Âm thanh. Nhập văn bản và SSML vào trình mô phỏng rồi nhấp vào Cập nhật và nghe để nghe kết quả TTS.

SSML (Luồng hộp thoại) Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.

Bạn cũng có thể nhấp vào nút tải xuống để lưu tệp .mp3 của TTS đầu ra.

Link nội dung: https://vinaenter.edu.vn/de-chen-danh-muc-tai-lieu-tham-khao-cho-tai-lieu-ta-dung-tinh-nang-nao-sau-day-a85650.html