Usando SSML para Melhorar Suas Mensagens de Conversão de Texto em Fala

SSML (Speech Synthesis Markup Language) permite controlar como o texto é lido em voz alta. Isso possibilita ajustar a pronúncia, o tom, a ênfase e muito mais para criar mensagens de voz naturais e envolventes. Abaixo estão os comandos SSML mais úteis que você pode usar com o SIP Caller para personalizar sua experiência de conversão de texto em fala.

Principais Comandos SSML

<speak>

• Finalidade: O elemento raiz de todo SSML, garantindo que sua mensagem seja processada como SSML.
• Exemplo:
  <speak>Olá! Como posso ajudar você hoje?</speak>

<break>

• Finalidade: Adiciona uma pausa na fala. Use isso para criar um fluxo de conversa natural.
• Atributos:
  • time: Duração da pausa (por exemplo, "500ms" para milissegundos ou "1s" para segundos).
• Exemplo:
  <speak>Olá! <break time="500ms"/> Em que posso ajudar?</speak>

<emphasis>

• Finalidade: Altera a ênfase em palavras específicas para adicionar expressividade.
• Atributos:
  • level: Pode ser "strong", "moderate" ou "reduced".
• Exemplo:
  <speak>Esta é uma informação <emphasis level="strong">muito importante</emphasis>.</speak>

<prosody>

• Finalidade: Controla o tom, a velocidade e o volume do texto falado.
• Atributos:
  • rate: Velocidade da fala (por exemplo, "fast", "slow", ou porcentagens).
  • pitch: Tom da voz (por exemplo, "high", "low", ou "+10%").
  • volume: Nível de volume (por exemplo, "loud", "soft").
• Exemplo:
  <speak><prosody rate="slow" pitch="low">Por favor, ouça com atenção.</prosody></speak>

<say-as>

• Finalidade: Especifica o tipo de conteúdo para ajudar na pronúncia (por exemplo, datas, horas, endereços).
• Atributos:
  • interpret-as: Pode ser definido como "date", "time", "characters", "expletive", etc.
• Exemplo:
  <speak>A data é <say-as interpret-as="date">2024-11-08</say-as>.</speak>

<sub>

• Finalidade: Lê uma abreviação ou sigla por sua forma completa.
• Atributos:
  • alias: O texto completo a ser lido.
• Exemplo:
  <speak>O SIP Caller usa <sub alias="Protocolo de Iniciação de Sessão">SIP</sub> para se conectar ao PBX.</speak>

<p> e <s>

• Finalidade: Define parágrafos (<p>) e frases (<s>) para estruturar mensagens mais longas e obter um melhor ritmo.
• Exemplo:
  <speak><p>Bem-vindo ao SIP Caller.</p><p>Como podemos ajudar você hoje?</p></speak>

Dicas Rápidas

• Teste Variações: Experimente combinações de <break>, <emphasis> e <prosody> para encontrar as mensagens com som mais natural.
• Mantenha a Clareza: O uso excessivo de SSML pode fazer as mensagens soarem robóticas. Concentre-se na clareza e na fluidez.
• Acessibilidade: Use <say-as> para datas, horas e pronúncias especiais para garantir a precisão.

Ao usar o SSML de forma eficaz no SIP Caller, você pode entregar mensagens de voz claras, profissionais e envolventes que melhoram as interações com os clientes. Para mais personalização, sinta-se à vontade para explorar a especificação completa de SSML do Google ou a especificação de SSML da Azure e experimentar diferentes configurações com o recurso de conversão de texto em fala do SIP Caller.

Observação Especial ao Usar SSML com Azure Text-to-Speech

Ao usar SSML com o Azure Text-to-Speech, observe que o Azure é muito rigoroso quanto à estrutura das tags SSML, especialmente quando comparado ao Google Cloud Text-to-Speech, que é mais permissivo.

Para que o Azure TTS funcione corretamente no SIP Caller, você deve incluir explicitamente tanto o elemento raiz <speak> quanto um elemento <voice> na sua entrada SSML.

Além disso, o elemento <voice> deve especificar exatamente a mesma voz que está selecionada para a campanha no SIP Caller. Se a voz definida no SSML não corresponder à voz da campanha, o Azure pode rejeitar a solicitação e falhar ao sintetizar o áudio.

Não seguir essa estrutura pode resultar em erros de síntese e o áudio pode não ser gerado.

Exemplo: