咨询Google Actions错误解析SSML emphasis标签为新段落的问题

嘿，我之前也踩过这个坑！当在Google Actions的响应里用SSML的<emphasis>标签做文本强调时，确实会出现你说的问题——TTS引擎错误地把被<emphasis>包裹的内容当成独立段落，硬生生打断原本连贯的句子，读起来特别别扭。

问题复现 #

你给出的示例代码就能清晰体现这个问题：

<speak>
  <p> Do you like <emphasis level="strong">red</emphasis>, <emphasis level="strong">blue</emphasis> or <emphasis level="strong">green</emphasis> car? </p>
  <p> Do you like red, blue or green car? </p>
</speak>

对比两段音频就能发现：第一段带<emphasis>的句子，每个颜色词汇前后都会出现明显的段落式停顿，仿佛是分三段读的；而第二段没有强调标签的句子则是流畅连贯的。

可能的原因 #

这个问题大概率是Google Actions的TTS解析器对SSML标签的分类处理出了偏差——<emphasis>本质是行内格式标签，应该和文本内容融为一体，但解析器错误地把它当成了<p>这类块级元素，从而插入了不必要的段落停顿。

临时解决办法 #

目前我试过几个可行的替代方案，能绕过这个bug：

• 用<prosody>标签模拟强调：通过调整音量、语速来实现听觉上的强调效果，不会触发段落分割。比如：

<speak>
  <p> Do you like <prosody volume="loud" rate="slow">red</prosody>, <prosody volume="loud" rate="slow">blue</prosody> or <prosody volume="loud" rate="slow">green</prosody> car? </p>
</speak>

• 规范SSML格式：确保<emphasis>标签完全嵌套在<p>或<s>（句子标签）内部，避免多余的换行或空格——有时候不规范的缩进也会干扰解析逻辑。
• 反馈给官方：如果必须用<emphasis>标签，可以通过Google Actions开发者平台的反馈渠道提交这个bug，推动官方修复解析逻辑。

内容的提问来源于stack exchange，提问作者Eugene Krevenets