TTS SSML 標記完整指南：語音合成的語法教學與實戰應用

一句答你：TTS SSML 標記係用 XML 寫法去控制語音合成點讀、邊度停、邊度重音嘅標準；對廣東話 TTS 嚟講，佢係一個好有用但唔係必須嘅工具——識用可以雕琢到好地道，唔識用都照樣出到聲。

Key Takeaways

• SSML（Speech Synthesis Markup Language）係 W3C 嘅 XML 標準，用嚟控制 TTS 引擎點樣讀一段文字
• 唔係每個 TTS 平台都支援 SSML；支援嘅平台亦未必全部支援粵語嘅聲調、氣口同語氣詞
• 最常用嘅 tag 包括 <break>、<prosody>、<emphasis>、<say-as>、<phoneme> 同 <sub>
• 廣東話 SSML 嘅真正挑戰唔係語法，而係點樣用 XML 寫到似人講嘢——停頓位、語氣詞、夾雜英文
• 如果你嘅平台唔支援 SSML（好似港嘢而家嘅 API），可以靠純文字技巧（全形符號、換行、語氣詞）達到類似效果

---

TTS SSML 標記係乜嘢？一篇搞晒

SSML 呢三個字，好多香港人一睇就彈開——XML、tag、attribute，聽落好似寫 code。其實佢只係一份寫畀 TTS 引擎睇嘅劇本。你平時交一段文字畀 TTS，佢會用預設方式讀晒出嚟；但如果你用 SSML 包住段文字，就可以逐粒字、逐個短語咁指揮佢：呢度停半秒、嗰度快啲、英文要讀英文發音、廣東話九聲要聽得出高低。

換句話講，SSML 等於你請咗個配音員，但你想自己寫埋份拍板紙畀佢跟。

但喺實際工作流程入面，SSML 嘅角色好微妙：佢係專業配音員嘅工具，唔係普通用戶嘅必需品。你只係想出條 YouTube 短片嘅旁白，根本唔使識 SSML；你做緊有聲書、語言教材、或者要逐句校準嘅 IVR 廣告，先會覺得 SSML 幫到手。

SSML 嘅基本結構

SSML 文件嘅骨幹係一個 <speak> 根元素，入面包住你想讀嘅內容。最簡單嘅寫法：

<speak version="1.1" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="zh-HK">
  你好，我係廣東話語音助手。
</speak>

xml:lang="zh-HK" 呢個屬性好關鍵——佢告訴 TTS 引擎用香港廣東話嘅規則去讀，包括聲調、變調、語氣詞。如果你寫 zh-CN，出嚟可能係普通話；寫 zh-TW 可能係國語腔。

入面可以再嵌唔同嘅 tag 去控制細節，例如：

<speak version="1.1" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="zh-HK">
  你好<break time="500ms"/>我哋而家開始。
  <prosody rate="slow">慢慢讀呢段</prosody>。
</speak>

呢段嘢會喺「你好」之後停半秒，然後用慢速讀「慢慢讀呢段」。

點解要學 SSML？

學 SSML 嘅理由，講到尾就三個：

第一，控制力。你唔再係交一段文字就算數，而係可以逐個位微調。譬如一段產品宣傳片旁白，你想「限時優惠」讀得重啲，就可以用 <emphasis> tag 包住佢。

第二，多語言混合。廣東話成日中英夾雜，SSML 嘅 <lang> tag 可以指定某幾個字用英文讀，其餘用廣東話讀，唔使靠 TTS 自己估。

第三，發音精準。遇到多音字、易讀錯嘅品牌名、或者專業術語，SSML 嘅 <phoneme> tag 可以用 IPA（國際音標）指定點讀，唔使靠上下文估。

但反過嚟講，SSML 都有明顯限制：

• 唔係所有 TTS 平台都支援（特別係新興嘅粵語 TTS）
• 支援嘅平台亦未必支援粵語聲調標註
• 寫 SSML 嘅時間成本高——同一段嘢，用 Playground 可能 10 秒出聲，寫 SSML 要 5 分鐘
• 唔同平台對同一個 tag 嘅解讀可能唔同

所以SSML 係「進階工具」，唔係「日常工具」。識用要識，但唔好為用而用。

---

廣東話 TTS 嘅 SSML 核心 Tag 逐個睇

SSML 1.1 標準入面有十幾個 tag，但實際做廣東話 TTS 常用嘅得五六個。下面逐個拆。

<break>：控制停頓

<break> 係最實用嘅 tag，冇之一。佢用嚟插入停頓，可以指定時長或者用「強弱」。

<speak>
  第一句。<break time="300ms"/>第二句。
</speak>

time 屬性可以用 ms（毫秒）或者 s（秒）。300ms 約莫係一個正常呼吸嘅停頓，500ms 係停頓再長少少，700ms 以上就開始有「懸念」嘅感覺。

另一種寫法係用 strength：

<break strength="none|weak|medium|strong|x-strong"/>

medium 約等於 300-500ms，strong 約等於 500-1000ms，x-strong 係段落級別嘅停頓。實際數值睇平台，但概念一致。

廣東話應用場景：

• 電話號碼中間：2389 5678 → <break time="200ms"/> 插中間
• 強調語氣：「我<break strength="medium"/>真係唔知喎」
• 講笑話鋪墊：「佢同我講<break time="500ms"/>原來係咁。」

<prosody>：語速、音調、響度

<prosody> 係另一個高頻 tag，控制一段文字嘅語速（rate）、音調（pitch）、同音量（volume）。

<prosody rate="slow" pitch="low" volume="+2dB">
  呢段用慢速、低音、稍大聲讀。
</prosody>

• rate：可以寫 slow、medium、fast，或者用百分比（85%）或者相對值（+10%）
• pitch：可以寫 low、medium、high，或者用頻率（+10%）
• volume：可以寫 silent、soft、medium、loud，或者用分貝（+2dB）

廣東話應用場景：

• 旁白對比：「舊時<prosody rate="slow">香港好慢好靜</prosody>，而家<prosody rate="fast">香港好快好嘈</prosody>。」
• 角色扮演：老人聲用 pitch="low"、小朋友聲用 pitch="high"
• 廣告配音：成段用 rate="fast" 趕節奏，再用 volume="loud" 推高潮

留意：<prosody> 改嘅係整段，如果你想逐字控制，要用 <emphasis>。

<emphasis>：加重語氣

<emphasis> 等於一個局部嘅「重音」控制，包住邊個字就讀得重啲。

<emphasis level="strong">呢個字</emphasis>要讀重啲。

level 屬性有 none、reduced、moderate、strong 四級，預設係 moderate。

廣東話應用場景：

• 重點強調：「<emphasis level="strong">限時</emphasis>優惠」——讀到「限時」會自動重啲
• 反諷語氣：「<emphasis level="reduced">係呀係呀</emphasis>，你講晒」——讀輕啲表達唔以為然

<say-as>：指定讀法

<say-as> 處理特殊內容嘅讀法：日期、數字、地址、貨幣、縮寫等等。

<speak>
  今日係<say-as interpret-as="date">2026-10-08</say-as>。
  電話係<say-as interpret-as="telephone">2389-5678</say-as>。
  價錢係<say-as interpret-as="currency">HK$128</say-as>。
</speak>

interpret-as 嘅常見值：

• date：日期
• time：時間
• telephone：電話號碼
• currency：貨幣
• number：純數字
• ordinal：序數（第一、第二）
• cardinal：基數（一、二、三）
• characters：逐個字讀（ABC 讀成「A B C」）
• spell-out：逐個字母拼讀

廣東話應用場景：

• 股票資訊：「<say-as interpret-as="currency">HK$</say-as> 128」——確保讀「蚊」唔係讀「dollar」
• 巴士路線：「<say-as interpret-as="digits">238</say-as>」——讀成「二三八」唔係「二百三十八」
• 航班編號：「<say-as interpret-as="characters">CX</say-as>250」——讀成「C X 二五零」

<phoneme>：用 IPA 指定發音

<phoneme> 係 SSML 入面最底層嘅控制——用**國際音標（IPA）**指定一個字點讀。

<phoneme alphabet="ipa" ph="pʰɛ́ŋ jàw">朋友</phoneme>

呢個 tag 對廣東話多音字特別有用，但亦最難寫——你要識 IPA。

廣東話應用場景：

• 多音字強制指定：好似「行」有 haang4 / hang4 / hong4 幾個讀音，<phoneme ph="hɔːŋ˨">行</phoneme> 強制讀「行路」嘅 hang
• 品牌名特殊讀法：好似「恆生」要讀 hang4 saang1
• 教學材料：語言教材需要示範正確發音

如果你唔熟 IPA，可以用 廣東話多音字攻略 對照，再用 API anchors 教學 嘅方法處理。

<sub>：替換讀音

<sub> 比 <phoneme> 簡單——你唔使識 IPA，直接寫「呢個字要當另一個字讀」就得。

<sub alias="hànghdou">行咗</sub>

意思係：見到「行咗」呢兩個字，就用「hànghdou」嘅讀音去讀。

廣東話應用場景：

• 粵語專有詞：「巴士」sub 成「baa1 si2」
• 避開讀錯：將「落」強制讀 lok6（落雨）而唔係 lok6（落去）

但 <sub> 有個限制：好多平台只支援「換字」，唔支援「換音」。如果平台本身讀錯咗，<sub> 未必救到你。

<lang>：多語言切換

廣東話成日中英夾雜，<lang> 解決呢個問題。

<speak xml:lang="zh-HK">
  我而家去 <lang xml:lang="en-US">Starbucks</lang> 飲咖啡。
</speak>

入面嗰段 Starbucks 會用英文讀，外面嘅廣東話維持廣東話。

廣東話應用場景：

• IT 內容：「用 <lang xml:lang="en-US">Python</lang> 寫 <lang xml:lang="en-US">script</lang>」
• 品牌名：「去 <lang xml:lang="en-US">Apple</lang> 專門店」
• 縮寫：「<lang xml:lang="en-US">AI</lang> 改變緊世界」

但要留意：唔係每個平台都支援 <lang> 即時切換語音模型；有啲只係用同一個聲線硬切，結果英文讀出嚟好怪。

---

廣東話 SSML 嘅特殊挑戰

SSML 係國際標準，設計時主要諗住英文同普通話。用喺廣東話，有幾個額外難題要面對。

聲調控制

廣東話有九聲六調，係所有漢語方言入面最複雜。SSML 標準入面冇專門嘅「聲調 tag」——你唔可以直接寫 <tone value="1">呢個字要讀陰平</tone>。

變通方法：

• 用 <prosody pitch="+10%"> 局部推高音調，模擬高聲調字
• 用 <emphasis> 加重某個字，間接影響聲調感知
• 用 <phoneme> 寫死 IPA 音標
• 直接喺文字入面用全形符號或者換行去引導 TTS 停頓同重音

最後嗰個方法最實際：好多廣東話 TTS 平台（包括港嘢）根本唔需要 SSML，靠文字本身嘅標點同排版就夠。

語氣詞

廣東話成日用「嘅」、「咩」、「啦」、「囉」、「啫」、「嘞」呢啲語氣詞，每個都帶唔同情緒。SSML 標準冇專門 tag 處理語氣詞嘅情緒。

變通方法：

• 用 <emphasis level="reduced"> 讀輕啲，表達「啦」嘅無奈感
• 用 <emphasis level="strong"> 讀重啲，表達「咩」嘅質問感
• 用 <break> 喺語氣詞前面停頓，加強語氣

但最徹底嘅解決方法，係用文字直接控制。你可以用 粵語語氣詞指南 嘅方法，配搭 書面語 vs 口語 嘅技巧，寫出自然嘅口語稿。

中英夾雜

廣東話 TTS 嘅中英夾雜係另一個大坑。就算你用 <lang xml:lang="en-US"> 切換，聲線可能仲係廣東話聲線，讀出嚟嘅英文好似「扮英文」。

處理方法：

• 接受呢個現實：中英夾雜就係廣東話嘅特色，唔需要完全標準
• 用 中英夾雜 TTS 攻略 嘅方法預先處理文字
• 測試唔同平台嘅英文切換效果

數字同量詞

廣東話量詞系統同普通話唔同（普通話「個」，廣東話仲有「隻」、「條」、「支」、「架」等等），SSML 標準冇「量詞 tag」。

變通方法：

• 直接寫「隻」唔好寫「個」——但要自己校對
• 用 <sub> 強制替換：「隻嘢」sub 成「zek3 je5」

---

SSML vs 純文字控制：點揀？

呢個問題冇標準答案，但有原則可以跟。

用 SSML 嘅時機

• 你做緊語言教學內容，需要逐個字示範發音
• 你做緊有聲書，需要精確控制每段停頓同情緒
• 你做緊IVR 電話系統，每個 prompt 都要聽得清楚
• 你做緊複雜廣告，需要戲劇化嘅語氣變化
• 平台支援 SSML，而且粵語聲線夠靚（呢點好重要——再靚嘅 SSML 都救唔返爛聲線）

用純文字嘅時機

• 你做緊 YouTube 短片或者社交媒體旁白
• 你做緊Podcast風格嘅內容
• 你趕時間，唔想寫 XML
• 平台唔支援 SSML，或者支援但效果麻麻
• 內容本身已經好口語化

事實上，九成嘅廣東話 TTS 應用場景都用唔上 SSML。原因好簡單：

1. 廣東話嘅地道感主要靠語氣詞、停頓、夾雜——呢啲用文字已經可以處理
2. 寫 SSML 嘅時間成本太高，唔符合 short-form 內容嘅節奏
3. 唔同平台對 SSML 嘅支援參差，portability 差——你喺平台 A 寫嘅 SSML，去到平台 B 可能失效

所以如果你係 SSML 新手，建議你：

• 先用 粵語 TTS 入門 掌握基本 API
• 熟習 廣東話 TTS 完全指南 嘅文字技巧
• 真係有需要（例如做語言教材），先再深入學 SSML

---

點樣測試 SSML 效果？

無論你揀 SSML 定純文字，測試都係最後一步。測試嘅方法有幾種。

客觀測試

• 語音轉文字比對：將 TTS 輸出轉成文字，同原文對比，睇有冇讀錯字
• 聲調驗證：用 IPA 標註對比，睇 TTS 讀出嚟係咪預期聲調
• 時間統計：用 SSML 嘅 <break> 應該停 500ms，實際收錄嘅音頻有冇停咗 500ms

呢啲測試靠工具做，常見嘅有 Praat（聲學分析軟件）或者音頻編輯軟件嘅波形圖。

主觀測試

• 盲測：畀唔知內情嘅人聽，問佢覺得自然唔自然
• A/B 對比：同一段內容，SSML 版 vs 純文字版，邊個聽落似人
• 場景測試：喺實際使用場景聽（例如車內、戴耳機、外放），睇會唔會因為環境因素失真

主觀測試最實際。你唔需要 Praat，你只需要自己聽多幾次，問自己「如果我唔知呢段係 AI 讀嘅，我會唔會覺得係真人？」

迭代改進

第一次出嚟一定唔會係最佳。你要有心理準備，要反覆調：

• 停頓位啱唔啱
• 重音位置啱唔啱
• 語速會唔會太快或者太慢
• 語氣詞聽落自然唔自然

呢個過程冇捷徑。你只能不斷試、不斷聽、不斷改。

---

點樣喺唔支援 SSML 嘅平台做類似效果？

如果你揀咗一個唔支援 SSML嘅平台（例如港嘢而家嘅 API），但你又想做到類似嘅控制效果，有幾個方法。

方法一：用全形符號做停頓

你｜好｜，｜我｜係｜小｜美。

直線符號唔會被讀出嚟，但會令 TTS 喺每個字之間有意識地停頓。用啱可以模擬 <break> 效果。

另一個常見符號係全形句點「。」同埋分行 \n。分段會令 TTS 讀得稍微慢啲，停頓會長啲。

方法二：用標點表達情緒

你真係㗎？！我都唔知喎⋯⋯

？ 帶語氣上揚，！ 帶強調，⋯⋯ 帶猶豫或者拖長。雖然唔係 SSML，但係用標點去引導 TTS 嘅情緒。

方法三：用換行做節奏

第一句。
第二句。
第三句。

每行一句，TTS 會自動喺每行結尾停頓。你可以靠呢個特性做朗誦風格嘅旁白。

方法四：用 廣東話 TTS 對比 2026 揀啱嘅平台

唔同平台對文字嘅敏感度唔同。有啲平台對全形符號特別敏感，有啲對換行特別敏感。你可以參考 廣東話 TTS 對比 揀一個對你寫作風格最夾嘅平台。

方法五：預處理文字

用 script 將你嘅原始稿自動轉成 TTS-friendly 格式：

def prepare_for_tts(text):
    # 將半形標點轉全形
    text = text.replace(',', '，').replace('?', '？').replace('!', '！')
    # 加入換行做節奏
    text = text.replace('。', '。\n')
    # 加入語氣詞
    text = text.replace('係', '係嘅')
    return text

呢個做法將 SSML 嘅工作前移到 pre-processing，等你交畀 TTS 嘅已經係「準 SSML」嘅純文字。

---

SSML 嘅未來：SSML 2.0、情緒標記同 AI 指令

SSML 1.1 喺 2010 年定稿，到而家十幾年。期間 TTS 技術日新月異，但 SSML 標準幾乎冇更新。原因係：各大平台都喺度發展自己嘅擴展標準。

幾個趨勢值得留意：

1. 情緒標記：SSML 1.1 冇情緒 tag（只有 <emphasis> 嘅強弱）。好多平台（包括港嘢）已經有獨立嘅 emotion 控制功能。你可以參考 TTS 情緒控制指南。
2. AI 指令式控制：新派 TTS 唔再靠 XML，而係靠自然語言指令——直接寫「用開心嘅語氣讀」、「讀得急啲好似趕時間」。
3. 聲線設計：傳統 SSML 控制唔到「邊把聲讀」，要靠 聲線設計 嘅新方法。
4. 多模態：將文字、SSML、圖片、動作合併埋一齊嘅格式正在興起。

換句話講，SSML 嘅角色正喺度被重新定義。佢唔再係唯一嘅 TTS 控制語言，而係其中一個工具——仲可能係越嚟越 niche 嗰個。

---

廣東話 SSML 實戰範例

以下幾個範例展示 SSML 喺廣東話內容入面點用。

範例一：電話 IVR

<speak version="1.1" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="zh-HK">
  歡迎致電<emphasis level="strong">港嘢客戶服務</emphasis>。
  <break time="500ms"/>
  請問想查詢<prosody rate="slow">賬戶</prosody>定係<prosody rate="slow">產品</prosody>？
  <break time="300ms"/>
  查詢賬戶請按<say-as interpret-as="digits">1</say-as>。
  查詢產品請按<say-as interpret-as="digits">2</say-as>。
  <break time="500ms"/>
  如果想同客服傾偈，請<emphasis level="strong">耐心等候</emphasis>。
</speak>

範例二：有聲書開頭

<speak version="1.1" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="zh-HK">
  <prosody rate="medium" pitch="medium">
  故事，要從<emphasis level="moderate">一九八四年</emphasis>講起。
  <break time="700ms"/>
  嗰年夏天，<prosody rate="slow">特別熱</prosody>。
  <break time="500ms"/>
  熱到連<emphasis level="strong">樹上嘅蟬</emphasis>都唔肯叫。
  </prosody>
</speak>

範例三：YouTube 廣告

<speak version="1.1" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="zh-HK">
  <prosody rate="fast">
  你有冇試過<break time="200ms"/>用 AI 做粵語配音？
  </prosody>
  <break time="300ms"/>
  <prosody rate="medium">
  <emphasis level="strong">港嘢</emphasis>，<break time="200ms"/>
  一分鐘生成<break time="100ms"/>地道廣東話旁白。
  </prosody>
  <break time="500ms"/>
  <prosody rate="slow">
  免費試下<break time="300ms"/><emphasis level="strong">啦</emphasis>。
  </prosody>
</speak>

呢三個範例展示 SSML 嘅核心能力：停頓、重音、語速、語氣。但留意——唔係每個平台都讀得出呢啲效果。你要測試你嘅目標平台。

---

點樣開始學 SSML？

如果你確定要學 SSML，以下係推薦嘅學習路徑。

第一步：理解基本 XML 語法

SSML 係 XML 嘅子集。如果你完全唔識 XML，要先學：

• 標籤（tag）係點開合嘅：<tag>內容</tag>
• 屬性（attribute）係點寫嘅：attribute="value"
• 大細階敏感（case-sensitive）
• 每個 XML 文件要有一個根元素（SSML 嘅根元素係 <speak>）

呢啲 30 分鐘內可以學完。

第二步：揀一個支援 SSML 嘅粵語 TTS 平台

唔係所有平台都支援。喺 廣東話 TTS 對比 2026 入面，你可以睇到邊啲平台支援 SSML，邊啲支援但有保留。

第三步：寫第一段 SSML

用上面嘅範例，改少少變成你嘅內容，貼上平台測試。

第四步：反覆迭代

第一次出嚟一定唔好。多聽幾次，記低問題，再改。

第五步：考慮放棄 SSML

如果你發現寫 SSML 嘅時間多過內容本身，考慮下用純文字方法。SSML 唔係必須嘅，地道嘅廣東話文字稿先係核心。

---

結論：SSML 係專業工具，唔係必需品

講到尾，TTS SSML 標記係一份好專業、好強大、但好 niche 嘅工具。佢存在咗十幾年，解決咗 TTS 早期「控制力不足」嘅問題。但隨住 AI TTS 嘅發展，SSML 嘅角色正喺度被自然語言指令、情緒控制 API、聲線設計呢啲新方法取代。

對九成嘅廣東話 TTS 用戶嚟講，最實際嘅做法係：

1. 揀一個支援粵語、聲線靚、API 易用嘅平台（例如 港嘢）
2. 寫地道嘅廣東話口語稿（參考 書面語 vs 口語）
3. 用純文字技巧控制停頓同情緒
4. 真係有需要（例如做 IVR、語言教材），先再考慮 SSML

SSML 唔係壞嘢，只係唔再係唯一嘅選擇。你可以學，但唔好畀佢綁住你嘅 workflow。

---

常見問題 FAQ

SSML 同一般 TTS 文字有咩分別？

SSML 用 XML tag 包住文字，可以精確控制停頓、語速、語氣、發音、語言切換。一般 TTS 文字就係純文字，TTS 引擎用預設方式讀。SSML 等於多咗一份控制劇本，但寫嘅時間成本高。對簡單內容嚟講，一般文字已經夠用；對需要精雕細琢嘅內容，SSML 先有意義。

廣東話 TTS 一定要用 SSML 嗎？

唔一定。視乎你揀嘅平台同內容類型。九成嘅廣東話 TTS 場景用唔上 SSML——YouTube 旁白、Podcast 風格內容、社交媒體短片、客戶服務訊息呢啲，純文字稿已經足夠。只有語言教材、IVR、有聲書呢類需要精確控制嘅內容，先值得投資時間學 SSML。

點樣揀支援 SSML 嘅廣東話 TTS 平台？

睇三個重點：第一，平台係咪真正支援粵語聲線（唔係國語聲線扮粵語）。第二，平台對 SSML 嘅支援有幾完整——有啲只支援 <break> 同 <prosody>，有啲支援全套。第三，平台嘅粵語聲線識唔識跟 SSML 指示——有啲平台表面支援，但實際忽略部分 tag。建議用 廣東話 TTS 對比 2026 做功課，再申請 免費試用 親身測試。

SSML 嘅 <phoneme> 同 <sub> 有咩分別？

<phoneme> 用國際音標（IPA）指定發音，等於直接寫「呢個字讀咩音」；<sub> 用另一個字代替原本嘅字，等於「呢個字當嗰個字讀」。<phoneme> 更精確但要識 IPA，<sub> 簡單但要 platform 識你 alias 嗰個字嘅讀音。對廣東話多音字嚟講，<phoneme> 更穩陣；但如果你唔識 IPA，用 <sub> 加 粵拼 都可以解決。

SSML 喺唔同 TTS 平台之間可唔可以互通？

唔可以完全互通。SSML 1.1 係 W3C 標準，但各平台會擴展自己嘅 tag 同 attribute。你喺平台 A 寫嘅 SSML，去到平台 B 可能部分 tag 失效、部分 attribute 被忽略。所以如果你用 SSML，等於 lock-in 咗某個平台。呢個係 SSML 嘅一大缺點，亦係點解好多新派 TTS（包括港嘢）索性走自然語言指令嘅路線。

學 SSML 難唔難？需要幾耐？

如果你已經識 XML，學 SSML 1.1 嘅基本 tag 約莫一兩個鐘。但要寫到地道廣東話嘅程度，要花時間測試、迭代。寫好一段 30 秒嘅廣東話 SSML 廣告，初學者可能要一兩個鐘，熟手之後 15 至 20 分鐘。對比用 Playground 直接出聲，SSML 嘅時間成本明顯高——所以只係值得用喺真正需要精雕細琢嘅場景。

如果我嘅平台唔支援 SSML，仲有咩替代方法？

有三個主要方法。第一，用全形標點同換行做停頓控制，例如用 ｜ 或者全形空格做微停頓，用 \n 做段落停頓。第二，用情緒語言做語氣控制，直接寫「開心咁講」、「用無奈嘅語氣」，配合 TTS 情緒控制。第三，用預處理 script 將你嘅文字自動轉成 TTS-friendly 格式，例如自動加全形標點、調整換行。呢啲方法都唔需要平台支援 SSML，但可以達到類似效果。

---

[!CTA]

想即試廣東話 TTS？

唔使寫 SSML，貼段文字 10 秒出聲——去 Playground 免費試