MédiaMúltipla escolha

Questão de prática de AI-900

O que é 'speech synthesis markup language' (SSML) no Azure AI Speech?

Escolha a melhor resposta.

Resposta correta

  • BUma linguagem XML para controlar a velocidade de fala, tom, pausas e ênfase do TTS

Explicação

O SSML é uma linguagem de marcação baseada em XML que permite ajustar com precisão a saída de conversão de texto em fala (TTS) controlando elementos prosódicos, como velocidade de fala, tom, volume, pausas e ênfase. No Azure AI Speech, tags SSML como <prosody>, <break> e <emphasis> são incorporadas no texto de entrada para produzir uma fala sintetizada mais natural e expressiva.

Por que cada alternativa está certa ou errada

A

Incorreta

Uma linguagem de marcação para estilizar como o texto é exibido na tela em aplicativos do Azure

O SSML controla a saída de voz — pronúncia, tom, velocidade e pausas — para a renderização de texto para fala, não a estilização de texto na tela. A estilização do texto exibido é função de HTML ou CSS. É tentador porque o SSML é em si uma linguagem de marcação, portanto assemelha-se superficialmente à marcação de apresentação, mas seu alvo é a síntese de áudio.

B

Correta

Uma linguagem XML para controlar a velocidade de fala, tom, pausas e ênfase do TTS

O SSML é uma linguagem de marcação baseada em XML que o Azure AI Speech consome para ajustar finamente a saída de texto para fala, definindo atributos de prosódia, incluindo velocidade, tom, pausas e ênfase. Isso satisfaz o requisito de definição do enunciado ao distinguir o SSML da entrada de texto simples.

C

Incorreta

Um padrão de segurança para marcar conteúdo falado sensível para redação

O SSML não carrega nenhuma semântica de segurança ou redação; ele apenas molda o áudio sintetizado por meio de elementos de prosódia, fonema e quebra. A redação de conteúdo é tratada pelo Azure AI Content Safety ou pela filtragem de profanidade do Speech-to-Text. É tentador porque o SSML é um padrão de marcação aplicado ao conteúdo falado, e estaria correto se a pergunta perguntasse como marcar texto para controle de saída de fala.

D

Incorreta

Um padrão para descrever a estrutura de diálogo de turnos múltiplos em interfaces de voz

O SSML é uma marcação XML que controla pronúncia, tom, velocidade, ênfase e pausas na saída de texto para fala; ele não descreve a estrutura de diálogo de turnos múltiplos. A estrutura de diálogo é tratada por ferramentas de orquestração como Bot Framework ou Dialogflow. É tentador porque ambos dizem respeito a interfaces de voz, e estaria correto se a pergunta perguntasse como a alternância de turnos conversacionais é modelada.

Para se aprofundar

O SSML é uma especificação W3C baseada em XML que o Azure AI Speech consome juntamente com texto simples na API REST Text-to-Speech ou no SDK Speech. Elementos como prosódia (velocidade, tom, volume), break (tempo ou força), emphasis, say-as e phoneme permitem moldar a saída sem regravar o áudio. O Azure mapeia nomes de voz SSML para vozes neurais como en-US-JennyNeural, e tags não suportadas são ignoradas em vez de falhar a solicitação. Um limite sutil: a entrada SSML é limitada (cerca de 64 KB por solicitação para o endpoint REST), e XML inválido retorna um erro 400. Isso importa para assistentes de voz que devem pronunciar IDs de pedidos dígito por dígito usando say-as interpret-as="characters" ou inserir pausas naturais em prompts de IVR.

Sobre estas questões de prática

Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.