SSML 是什么？语音合成的停顿、读法与标记支持范围

标记表达停顿而不是把标签直接朗读

下面示意在两句英文间加入300毫秒停顿，是标准语义示例，不是任意服务都能直接执行的完整请求。实际接口可能还要求选择音色或其他字段。普通文字输入若不支持SSML，可能忽略标签或按文字处理，应先确认输入类型。

文本中的小于号和与号需要按XML规则处理，不能让用户输入破坏结构。标签写得合法也不表示选定音色支持全部功能。W3C定义标记语义，云服务实现可能只支持一部分或增加扩展，两者需要分别核对。

<speak version="1.1" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
  Hello.
  <break time="300ms"/>
  Welcome.
</speak>

发音与韵律控制需要按语言检查

数字可以按日期或逐位数字读，不同读法表达不同含义。音高或语速设置也可能影响自然度，不能只凭参数名推断听感。Microsoft资料列出支持的结构与扩展，实际音色和语言限制应按相应页面确认，不能跨服务照搬。

如果目标是人名读法，应回听验证，而不只查看标记有没有拼对。音色模型更新以后，旧设置也可能需要重查。本文没有调用合成接口，没有声称示例在某个商业音色上已经达到预期停顿或发音效果。

生成以后仍要回听和核对音频属性

可以先用短句分别验证停顿与读法，再组合成长稿，避免同时改很多参数后无法判断效果来源。最终检查有没有跳字和异常停顿，并确认文件格式适合剪辑。这里是核查流程，不提供所有音色通用的最佳语速。

SSML控制如何读文字，不负责事实正确或声音使用授权。稿件中的日期与数值应先校对，不能期待标记自动修复。保留文字稿与标记版本，后续修改才容易定位，输出能播放也不能替代内容回听。