Copyright © 2022 W3C® (MIT, ERCIM, Keio, Beihang). W3C liability, trademark and permissive document license rules apply.
本文件描述用於增進EPUB® 3出版品語音表現的製作特色與閱讀系統支援。
本章節描述了本文件在其發表時的狀態。目前W3C出版品及此技術報告的最新改版之列表皆列於W3C技術報告索引，網址為：https://www.w3.org/TR/。
本文件由EPUB 3工作小組按照備忘流程，發布為小組備忘。
小組備忘不受W3C及其會員背書。
本文件為草稿，而且可能會隨時更新，被其他文件所取代或淘汰。編輯作業尚未完成前，不適宜引用本文件。
W3C專利政策不對此文件做任何授權需求與承諾。
本文件受2021年11月2日W3C流程文件所規範。
能夠清晰並且正確地處理出版品文字轉換語音（TTS, Text-to-speech），能大幅提升出版品的可讀性，並增進理解。然而不幸的是，自然語音發音的複雜度以及文字轉換語音引擎內建詞彙的限制，經常讓發音不正確或難以識別。如果可行，使用者就得推測正確的意義；或者停下閱讀，把搞混的單字逐字母讀出。任何人曾經嘗試過以基本TTS播放來閱讀教育用或者教學用材料的話，就能理解該體驗帶來的挫折。
W3C定義了各式各樣的技術，能用於增進對標記內容的語音處理：合成語音標記語言（Synthetic Speech Markup Language）[ssml], 發音辭典[pronunciation-lexicon]，以及CSS Speech模組。
SSML與發音辭典提供了增強的語音處理。發音辭典就像TTS引擎可以使用的常用語字典，而SSML提供了能針對指定語句提供獨立發音的能力。EPUB製作者可以同時或者分別使用這些技術，取決於文字的複雜程度。儘管有這些優勢，這些技術目前尚未受到EPUB所依靠的XHTML與SVG格式所採用而無法簡單地運用。本文件提出了在EPUB內容文件中製作與處理的方法。
本文件也涵蓋了CSS Speech的用法，能在EPUB中增進語音處理。CSS Speech包含的領域不同於SSML與發音辭典。不同於控制指定單字或者詞句的發薪，這些特性能讓EPUB製作者指定語音播放的各面向——處理哪些文字、以多大的音量，以哪種偏好的聲音等等。
本文件也包含EPUB閱讀系統處理上該如何使用這些技術。雖然預期一般性的輔助技術，像是螢幕閱讀器可能也會受到這些技術的協助，但由這些技術使用的狀況並非本文件目標。
本章節為非規範性。
國際數位出版論壇的EPUB工作小組，最早定義了在EPUB 3.0[epubcontentdocs-30]中整合合成語音標記語言[ssml]和發音辭典[pronunciation-lexicon]的手段。如此一來EPUB製作者能夠以此增進閱讀系統中文字轉換語音（TTS, Text-to-speech）的語音處理品質。可以包含樣式表[css2]也能讓EPUB製作者能使用CSS Speech模組[css-speech-1]中正在開發的speech特性。
儘管有些製作的內容已經採用了這些技術，但因為對技術穩定性的考量，閱讀系統的支援尚未能達到一定的層次。結果使得這些技術目前以W3C 工作小組備忘方式發表。
EPUB製作者可以在其出版品中繼續使用這些技術，將其移到備忘，並不會改變其效力，或者影響向後相容性。強烈建議支援TTS語音的閱讀系統開發者實作這些支援。工作小組將在未來EPUB 3改版時會將任何符合支援需求的技術進行標準化。
HTML中的言說表述規格[spoken-html]，是W3C另一個將SSML帶入HTML的倡議。但人在早期階段而無法判斷其影響力，若未來有所影響，將會加入本文件中。工作小組會持續檢視該作業，並且持續更新本備忘以反映任何對EPUB中文字轉換語音處理的變化。
本規格使用定義在EPUB 3.3[epub-33]的術語。
並且定義以下術語：
每一章節中只有術語第一次出現時會連結到其定義。
本規格中被標註為非規範性的章節，以及所有製作準則、圖表、範例以及注意事項都為非規範性。本規格其他部分皆為規範性。
關鍵字：可以（MAY）,、必須（MUST）、不得（MUST NOT）、應該（SHOULD）、不應（SHOULD NOT），在本文件中以如上粗體加底線格式出現時，須按照BCP 14[RFC2119] [RFC8174] 中的敘述詮釋。
本章節為非規範性。
W3C合成語音標記語言[ssml]是一種用於輔助文字轉換語音（TTS）引擎來產生合成語音的語言。雖然SSML設計上作為可獨自運作的文件類型，但其定義的語義也適合在其他標記語言中使用。
本規格以兩項屬性重新定義[ssml]的phoneme元素— ssml:ph與ssml:alphabet —讓他們能在EPUB內容文件中使用。
這些屬性讓EPUB製作者能為罕用詞彙指定合適的音標發音，避免TTS常會念錯，也可避免念成發音近似的詞彙。
ssml:ph屬性用於制定其所在元素中文字的音素/音標發音。
ph
https://www.w3.org/2001/10/synthesis
EPUB製作者可以在EPUB內容文件中的任何元素使用該屬性，使其能在邏輯上連結對應的音標（也就是元素裡頭包含了文字內容，文字轉換語音引擎會進行處理）。
EPUB製作者不得在子孫項已經包含了本屬性的元素中指定本屬性。
一個音素/音標表述，語句結構須合乎所使用的音素/音標表的規則。
ssml:ph屬性繼承[ssml]phoneme元素ph屬性的製作規定。
當ssml:ph屬性出現在其子孫項包含文字節點的元素時，該發音適用的對應文件文字，應為把子孫項文字節點按照文件順序連接起來的最終字串。所指定的音標發音邏輯上必須匹配該元素整體的文字資料（也就是，不能只對應到內容中孤立的一部分）。
EPUB製作者不應把ssml:ph屬性用在沒有文字內容的元素，因為文字轉換語音引擎一班不會處理（像是用於空白的div或span元素）。該屬性不能用於為TTS播放增加額外的語音，閱讀系統當無法取代一般會處理的文字時，預期會忽略該屬性。
ssml:ph屬性不會取代帶有額外文字性質資訊的屬性值（例如alt[html]以及aria-label[wai-aria]）或連結額外的文字性質資訊（例如aria-describedby[wai-aria]）。
同樣地，EPUB製作者不應添加空白的ssml:ph屬性以嘗試或者抑止對文字的處理。閱讀系統預期上會忽略這些空白的屬性。（請見aria-hidden屬性[wai-aria]，其用來指定內容僅用於視覺處理）。
ssml:alphabet屬性指定ssml:ph屬性中的值，使用何種音素/音標發音字母表。
alphabet
https://www.w3.org/2001/10/synthesis
EPUB製作者可以在EPUB內容文件中的任何其子孫項包含文字內容的元素中使用該屬性。
在ssml:ph屬性中，其表述值所使用的發音字母表名稱。
ssml:alphabet屬性繼承[ssml]phoneme元素alphabet屬性的製作規定。
ssml:alphabet屬性的值在文件樹中繼承。判斷供每個ssml:ph屬性值使用的發音字母表的方法為：先找出第一個ssml:alphabet屬性，其所在的元素ssml:ph也開始出現，接隨最接近的上層元素。
EPUB製作者應該確保字母表所定義的範圍可包含所有以 屬性
表達的音素。缺少這樣的宣告就不能保證播放的互換性—例如閱讀系統可能會套用預設的字母表，或者可能讓該音素不發音。儘管[ssml]規格有一份參考的字母表清單，但目前尚未發表。因為W3C語音瀏覽器工作小組的章程已經過期，該工作小組預期不會發布這份清單。EPUB製作者應該參考閱讀系統支援文件來判斷所支援的字母表。一些常見的字母表包含x-JEITA（以及x-JEITA-IT-4002和x-JEITA-IT-4006）以及)x-sampa。
本章節為非規範性。
W3C發音辭典規格（Pronunciation Lexicon Specification, PLS）[pronunciation-lexicon]定義了基於XML格式發音辭典的語法與語意，可被用於自動語音辨識，以及文字轉換語音（TTS）引擎。
發音辭典讓EPUB製作者可以定義單一全域的語音學發音，讓閱讀系統可以於詞彙每一次出現時使用，而不像SSML屬性，需要詞彙每次出現都標注一次。所以對於僅有一種發音，或者有多種發音卻常僅發其中一種音的詞彙而言，是更為有效率的定義發音方式。
EPUB製作者可以使用[html]link元素以及[svg]link元素來讓相對應的EPUB內容文件類別與一或多個辭典產生關聯。當閱讀系統處理文件時，可以此識別連結的字典並且用於啟動文字轉換語音播放。
一本發音辭典：
必須符合定義在XML適用性[epub-33]中對XML文件的適用規則。
必須合乎定義在[pronunciation-lexicon]的文法規則。
EPUB製作者可以在EPUB內容文件中連結零或多個發音辭典[pronunciation-lexicon]。
若要讓一份XHTML內容文件和發音辭典產生關連，EPUB製作者必須使用[html]link元素。同樣的要讓一份SVG內容文件與發音辭典產生關聯，EPUB製作者必須使用[svg]link元素。
無論是哪一種EPUB內容文件，link元素必須要有rel屬性，設定為"pronunciation"，以及其type屬性設定為媒體類型"application/pls+xml"。
EPUB製作者應該為每一個連結的link元素指定hreflang屬性，當指定時，其值必須符合發音辭典所關聯的語言[pronunciation-lexicon]。
CSS Speech[css-speech-1]模組定義了特性，能讓EPUB製作者宣告性地控制EPUB內容文件的聲音處理。其包含了特性用來指定偏好的文字轉換語音聲音、音量，在處理元素時還可以表現停頓與指示。
由於EPUB內容文件支援使用層疊樣式表[css2]，EPUB製作者可以使用CSS Speech[css-speech-1]特性於樣式表定義中。
閱讀系統可以按照他們所使用的引擎類型，以不同的方式實作文字轉換語音播放—例如，某種做法可能僅將文件中的文字內容送進引擎，而另一種可能支援完整的標記。本文件試圖在規定上提供彈性以允許這些差別。唯一的規定是在處理行為結果上需要正確。
儘管本文件所指稱的「強化」，脈絡上用於本身有內建文字轉換語音處理能力的閱讀系統，但也期望任何應用程式或者輔助科技，若能存取EPUB出版品中的標記也能夠使用這些功能來提供強化的聲音處理。然而，確保這些技術能被這些應用程式所使用並非本文件的目標。
具有文字轉換語音（TTS）相容性的閱讀系統應該支援SSML屬性、發音辭典以及CSS Speech如下：
支援SSML的閱讀系統：
支援發音辭典的閱讀系統：
必須按照[pronunciation-lexicon]的定義，處理所有在EPUB內容文件中連結的發音辭典。
當EPUB內容文件，其語言與相關聯的發音辭典語言[pronunciation-lexicon]匹配時，必須將所提供的詞彙套用到EPUB內容文件中的文字節點。[bcp47]定義了匹配語言標籤的演算法。
不要求閱讀系統使用的文字轉換語音引擎支援發音辭典，並且將詞彙正確地處理並且應用。舉個例子，閱讀系統可以將辭典轉換成另外一種TTS引擎支援的字典格式。
支援SSML與發音辭典的閱讀系統：
必須讓任何透過ssml:ph屬性提供的發音程序優先，當[pronunciation-lexicon]的grapheme元素與元素中的文字節點匹配，並且帶有ssml:ph屬性時。
本文件對閱讀系統作出支援如[css-speech-1]所定義之外的額外要求。
本章節為非規範性。
請注意本變更日誌僅列出自EPUB內容文件3.2以來的顯著變更——這些變更會影響適用性或有同等的重要性。
若要取得在改版過程中所有議題的列表，請參考工作小組的議題追蹤器。
ssml:alphabet屬性處理，並且增加對ssml:ph屬性的額外規定，以避免用於添加或移除文字的語音化。請見issue 1706。本章節為非規範性。
以下EPUB 3工作小組的成員對本規格的產製有所貢獻：