就像一个人能够使用各种语音到文本'dastation'工具将口语转换为相应的文本一样，我想知道是否有类似的此类工具用于转换口语插入相应的SSML。也就是说，除了与任何语调，韵律，停顿/断裂，拐点等相关的相关SSML标签外，它还将提供文本。
我致力于构建语音应用程序。在我最近从事的一个项目中，我们需要文本听起来完全正确，并具有所有相关的语调，韵律，停顿/断裂，拐点等。在广泛的研究中，我们发现，使文本听起来像是真实人所说的唯一方法是使用SSML（仍然不完美）或录制的mp3。
如果您想让真实的人对一个项目的感觉，那么执行该项目的最佳方法是利用人类。我建议您录制mp3（/获取专业人士记录），而不是试图从语音中获取SSML。
我们使用SSML的原因正是计算机无法理解人类语音的相关语调，韵律，暂停/断裂，变形等。
如果您的目标是获得SSML，那么最好的方法是将文本转换为SSML。为此，我建议您在这里查看：
W3C SSML
Google SSML
亚马逊SSML
这是我们的最佳知识 @ 2018年7月中旬。如果有人有更多信息，请觉得添加此答案。
希望这会有所帮助：3