SSMLは「Speech Synthesis Markup Language」の略称で、XML ベースの音声マークアップ言語のことで、W3C（World Wide Web Consortium）が標準化しています。
AIに音声を読み上げさせるうえでの細かい指示をテキスト形式で行えるようにしたもので、どのように音声出力をするかを柔軟にカスタマイズできるよう、さまざまなプロパティを提供しています。たとえばSSMLの使用により、読み上げるテキストの段落や文章の構造を定義し、それに応じて中断や一時停止、無音などを設定することができます。また読み上げ音声のピッチ（音の高低）や速度、アクセントの強弱や音量なども細かく調整できます。ほかにも人工音声だけでなく、サウンド効果やメロディーなど、事前に録音されたオーディオの挿入も可能です。
なおSSMLは、Webサイトを作成する際に用いるマークアップ言語「HTML（HyperText Markup Language）」と同様に、「開始」タグ（opening tag）と「終了」タグ（closing tag）の組み合わせで記述するスタイルを取っています。