将带标签的文本作为text参数值，上传至语音合成服务，以Java SDK为例：

SpeechSynthesizer synthesizer = new SpeechSynthesizer(client, getSynthesizerListener());
String text = "<speak>请闭上眼睛休息一下<break time=\"500ms\"/>好了，请睁开眼睛。</speak>";
synthesizer.setText(text);

发送给语音合成服务的请求内容如下：

{
    "payload": {
        "volume": 50,
        "sample_rate": 16000,
        "format": "wav",
        "text": "<speak>请闭上眼睛休息一下<break time=\"500ms\"/>好了，请睁开眼睛。</speak>"
    },
    "context": {
        "sdk": {
            "name": "nls-sdk-java",
            "version": "2.0.4"
        }
    },
    "header": {
        "namespace": "SpeechSynthesizer",
        "name": "StartSynthesis",
        "message_id": "5fdf78c0dd574b6897f3cb204dd0****",
        "appkey": "fd4er4aa****",
        "task_id": "6e1be78ef5804c50a2c5a8b92de1****"
    }
}

标签

• 描述
  标签是所有待支持SSML标签的根节点。一切需要调用SSML标签的文本都要包含在中。
• 语法

 <speak>需要调用SSML标签的文本</speak>

• 标签关系
  标签可以包含文本和以下标签：

  1. break
  2. s
  3. w
  4. phoneme
  5. say-as

• 示例
  1.空属性

  <speak>
    需要调用SSML标签的文本
  </speak>

  2.voice属性

  <speak voice="xiaogang">
    我是男声。
  </speak>  

  3.rate属性

  <speak rate="200">
  我的语速比正常人快。
  </speak>

  4.volume属性

  <speak volume="80">
  我的音量也很大。
  </speak>

  5.effect属性

  <speak effect="robot">
  你喜欢机器人瓦力吗？
  </speak>

  6.标签
  用于在文本中插入停顿，该标签是可选标签

  # 空属性
  <break/>
  # 带time属性
  <break time="string"/>
  # 示例
  <speak>
  请闭上眼睛休息一下<break time="500ms"/>好了，请睁开眼睛。
  </speak>

  7.
  用于表示文本的句子结构，该标签是可选标签。
  标签可以包含文本和以下标签

  • break
  • w
  • phoneme

  • say-as

    <s>文本</s>
    # 示例
    <speak><s>这是第一句话</s><s>这是第二句话</s></speak>

  8.
  用于控制标签内文本的读音，该标签是可选标签。英文文本不支持该标签。

  <phoneme alphabet="string" ph="string">文本</phoneme>
  # 示例
  <speak>
    去<phoneme alphabet="py" ph="dian3 dang4 hang2">典当行</phoneme>把这个玩意<phoneme alphabet="py" ph="dang4 diao4">当掉</phoneme>
  </speak>

---

参考文档：阿里云智能语音交互SSML标记语言介绍