Speech Synthesis Markup Language

Speech Synthesis Markup Language(SSML)、または音声合成マークアップ言語（おんせいごうせいマークアップげんご）は、音声合成アプリケーション用のXMLベースマークアップ言語。W3Cの音声ブラウザ作業部会によって制定され、W3Cはその使用を勧告している^[1]。最初の草案は2000年8月8日に出され^[2]、2004年9月7日にバージョン1.0がW3C推奨になった^[3]。2010年9月7日にはバージョンが1.1がW3C推奨になった^[1]。なお、W3Cの音声ブラウザ作業部会は2015年10月12日に解散している^[4]。

インタラクティブ電話システムでVoiceXMLスクリプトと併用されることも多いが、オーディオブック作成などでは単独で使用される。デスクトップ向けアプリケーションではApple社の内蔵スピーチコマンドやマイクロソフト社のSAPI 音声合成マークアップ言語（XMLベース）が使われることも多い。

SSMLはサン・マイクロシステムズ社のJava Speech Markup Language（英語版）(JSML)に基づいているが^[1]、SSML勧告の開発自体は主に音声合成ソフトのベンダーによって行われた。マークアップで指定されていない場合は音声合成プロセッサーの判断にゆだねられることも多いため^[1]、HTMLやC言語の標準よりも緩いものとなっている。

SSMLドキュメントの例

<!-- ?xml version="1.0"? -->
<speak xmlns="http://www.w3.org/2001/10/synthesis"
       xmlns:dc="http://purl.org/dc/elements/1.1/"
       version="1.0">
  <metadata>
    <dc:title xml:lang="en">Telephone Menu: Level 1</dc:title>
  </metadata>

  <p>
    <s xml:lang="en-US">
      <voice name="David" gender="male" age="25">
        For English, press <emphasis>one</emphasis>.
      </voice>
    </s>
    <s xml:lang="es-MX">
      <voice name="Miguel" gender="male" age="25">
        Para español, oprima el <emphasis>dos</emphasis>.
      </voice>
    </s>
  </p>

</speak>