如何在 Azure Direct Line Speech 机器人中使用神经语音

Question

我正在尝试更新实验性DirectLineSpeech Echo Bot sample 的Speak() 方法以使用神经声音，但它似乎不起作用。

这是我试图让它工作的代码 -

public IActivity Speak(string message)
{
    var activity = MessageFactory.Text(message);
    string body = @"<speak version='1.0' xmlns='https://www.w3.org/2001/10/synthesis' xml:lang='en-US'>
        <voice name='Microsoft Server Speech Text to Speech Voice (en-US, JessaNeural)'>
        <mstts:express-as type='chat'>" + $"{message}" + "</mstts:express-as></voice></speak>";
    activity.Speak = body;
    return activity;
}

这是基于SSML Guide中提供的建议

以下是标准 T2S 供参考：

public IActivity Speak(string message)
{
    var activity = MessageFactory.Text(message);
    string body = @"<speak version='1.0' xmlns='https://www.w3.org/2001/10/synthesis' xml:lang='en-US'>
        <voice name='Microsoft Server Speech Text to Speech Voice (en-US, JessaRUS)'>" +
        $"{message}" + "</voice></speak>";
    activity.Speak = body;
    return activity;
}

有人可以帮助我了解它是如何工作的或者我做错了什么吗？

如果它有助于找到任何限制，我已将机器人部署为 westus2 地区的 F1 免费层中的应用服务。

编辑：更新代码以使用全名，即。 Microsoft Server Speech Text to Speech Voice (en-US, JessaNeural) 而不是 Nicholas 建议的短名称 en-US-JessaNeural。但这似乎也无济于事。

Answer 1

神经语音的确切名称是Microsoft Server Speech Text to Speech Voice (en-US, JessaNeural)。但主要是你想使用说话风格，使用mstts:express-as。

问题是您忘记在 xml (xmlns:mstts='https://www.w3.org/2001/mstts') 中添加声明 mstts 命名空间的块：

"<speak version='1.0' xmlns='https://www.w3.org/2001/10/synthesis' xml:lang='en-US'>
    <voice name='en-US-JessaNeural'>
        <mstts:express-as type='chat'>" + $"{message}" + "</mstts:express-as>
    </voice>
</speak>";

应该是：

"<speak version='1.0' xmlns='https://www.w3.org/2001/10/synthesis' xmlns:mstts='https://www.w3.org/2001/mstts' xml:lang='en-US'>
    <voice name='en-US-JessaNeural'>
        <mstts:express-as type='chat'>" + $"{message}" + "</mstts:express-as>
    </voice>
</speak>";