MediaOpción múltiple

Pregunta de práctica de AI-900

¿Qué es el 'speech synthesis markup language' (SSML) en Azure AI Speech?

Elige la mejor respuesta.

Respuesta correcta

  • BUn lenguaje XML para controlar la velocidad, el tono, las pausas y el énfasis del discurso TTS

Explicación

SSML es un lenguaje de marcado basado en XML que le permite ajustar con precisión la salida de texto a voz (TTS) controlando elementos prosódicos como la velocidad de locución, el tono, el volumen, las pausas y el énfasis. En Azure AI Speech, las etiquetas SSML como <prosody>, <break> y <emphasis> se incrustan en el texto de entrada para producir un discurso sintetizado más natural y expresivo.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Un lenguaje de marcado para diseñar cómo se muestra el texto en pantalla en aplicaciones de Azure

SSML controla la salida de voz — pronunciación, tono, velocidad y pausas — para el procesamiento de texto a voz, no el diseño de texto en pantalla. El diseño del texto mostrado es tarea de HTML o CSS. Es tentador porque SSML es en sí mismo un lenguaje de marcado, por lo que se asemeja superficialmente al marcado de presentación, pero su objetivo es la síntesis de audio.

B

Correcta

Un lenguaje XML para controlar la velocidad, el tono, las pausas y el énfasis del discurso TTS

SSML es un lenguaje de marcado basado en XML que Azure AI Speech consume para ajustar con precisión la salida de texto a voz, estableciendo atributos de prosodia que incluyen velocidad, tono, pausas y énfasis. Esto satisface el requisito de definición del enunciado al distinguir SSML de la entrada de texto plano.

C

Incorrecta

Un estándar de seguridad para marcar contenido hablado sensible para su redacción

SSML no contiene semántica de seguridad ni de redacción; solo da forma al audio sintetizado a través de elementos de prosodia, fonemas y pausas. La redacción de contenido es manejada por Azure AI Content Safety o el filtrado de blasfemias de Speech-to-Text. Es tentador porque SSML es un estándar de marcado aplicado al contenido hablado, y sería correcto si la pregunta preguntara cómo marcar texto para el control de la salida de voz.

D

Incorrecta

Un estándar para describir la estructura del diálogo de múltiples turnos en interfaces de voz

SSML es un marcado XML que controla la pronunciación, el tono, la velocidad, el énfasis y las pausas en la salida de texto a voz; no describe la estructura del diálogo de múltiples turnos. La estructura del diálogo es manejada por herramientas de orquestación como Bot Framework o Dialogflow. Es tentador porque ambos se refieren a interfaces de voz, y sería correcto si la pregunta preguntara cómo se modela la alternancia de turnos conversacionales.

Para profundizar

SSML es una especificación del W3C basada en XML que Azure AI Speech consume junto con texto plano en la API REST de Text-to-Speech o en el SDK de Speech. Elementos como prosody (velocidad, tono, volumen), break (tiempo o intensidad), emphasis, say-as y phoneme le permiten dar forma a la salida sin necesidad de volver a grabar audio. Azure asigna nombres de voz SSML a voces neuronales como en-US-JennyNeural, y las etiquetas no compatibles se ignoran en lugar de hacer que la solicitud falle. Un límite sutil: la entrada SSML está limitada (alrededor de 64 KB por solicitud para el extremo REST), y un XML no válido devuelve un error 400. Esto es importante para los asistentes de voz que deben pronunciar números de identificación dígito por dígito utilizando say-as interpret-as="characters" o insertar pausas naturales en los mensajes de IVR.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de AI-900 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.