AIF / ドメイン1 AIとMLの基礎
Amazon Polly
は、テキストを自然な音声へ変換する音声合成のです。 読み上げ機能、音声案内、アクセシビリティ対応などに使います。
概要
テキストと使用する音声を指定すると、音声データを返します。 生成した音声はファイルとして保存することも、その場で再生することもできます。
試験では、テキストから音声は、音声からテキストはという対応で判断します。
主要技術
①音声の種類
| 種類 | 特徴 |
|---|---|
| 標準の音声 | 一般的な品質の合成音声です。 |
| ニューラル音声 | を使い、より自然な発話になります。 |
| 長文向けの音声 | ニュースや記事の読み上げに適した話し方です。 |
②発話の調整
| 機能 | 内容 |
|---|---|
| SSML | 話速、間、強調、発音を指定できます。 |
| 発音辞書 | 固有名詞や略語の読み方を登録します。 |
| スピーチマーク | 語や文の発話タイミングを取得し、字幕や口の動きと同期できます。 |
⚠️ 頻出: 固有名詞の読み間違いを直す要件は発音辞書、間や強調を細かく制御する要件はSSMLです。
Point
- SSML = Speech Synthesis Markup Language（音声合成マークアップ言語） の略です。
- synthesis は「合成」 という意味です。
- 和訳
- synthesis: 合成、統合
- Weblio英和辞書「synthesis」
③他サービスとの組み合わせ
多言語の音声案内では、で翻訳した文章をで読み上げます。 の応答を音声で返す構成では、の出力をPollyへ渡します。
試験対策
①選択基準
| 問題文のキーワード | 選ぶサービス |
|---|---|
| 文章を人の声のように読み上げたい | |
| 読み上げの速度や間を制御したい | SSML |
| 音声を文字にしたい | |
| 会話型のボットを作りたい |
②よくある誤答
- 音声認識をと答えること。Pollyは合成側です。
- 対話の制御までPollyが行うと考えること。対話の流れはが担当します。