关于从 html/XML/MD/epub 到 SSML（语音合成）的良好工作流程的建议？

Question

场景：Doc 或 PDF 文件传入，然后我使用 Pandoc 将其转换为 Jats-xml、markdown、html 和 epub。 使用格式正确的模板，这是相当自动化的。 问题是出于可访问性的原因，我还希望将其转换为对文本转语音更友好的内容，例如 SSML。 我了解如何手动执行此操作（即，将其保存为文本，然后在记事本或 Visual Studio 中对其进行 SSML 代码处理），但这太耗时且取决于个人的技能。

是否有任何免费工具可以使这项工作更轻松？ 基本上，我想用平滑的文本到语音来扩充文档（图像的替代文本、标题后的适当停顿、语言的韵律等）。