COLUMN

1. Amazon Pollyとは

Amazon Pollyとは、ディープラーニングを利用して記事やPDFなどあらゆるテキストをリアルな音声に変換する、フルマネージドサービスです。

Amazon Pollyでは幅広い言語で数十種類の音声が提供されており、日本語対応している音声は4種類あります。

またAmazon Polly APIを利用することで、既存アプリケーションと統合することも可能です。

1-1. 利用料金について

Amazon Pollyは従量課金制で、音声またはSpeech Marksのメタデータに変換したテキストの文字数に基づいて料金が計算されます。Amazon Pollyは読み上げのエンジンが2つ用意されており、標準の音声を生成するスタンダードとさらに高品質の音声を生成するニューラルがあります。またそれぞれのエンジンで無料利用枠が異なっており、無料利用枠を超えると以下の料金が発生いたします。

スタンダード

• 1か月あたり500万文字/最初の12か月
• 4.00USD (無料利用枠を超えた場合)

ニューラル

• 1か月あたり100万文字/最初の12か月
• 16.00USD (無料利用枠を超えた場合)

記載の料金は2025年1月末時点のものです。

そのほか、詳細については以下AWSの料金ページを参照してください。

参照：Amazon Connect の料金

1-2. ユースケース

Amazon Polly の主なユースケースとして、アプリケーションに音声機能を追加したり、Eラーニングのような教材のテキスト読み上げ機能として利用されます。

またAmazon ConnectにてAmazon Pollyを利用した音声アナウンスを利用することが可能です。

例えば株式会社クレディセゾンでは、Amazon ConnectとAmazon Pollyを組み合わせて自動架電と自動音声システムを利用したシステムを開発しています。

他にもFM WakayamaではAmazon Pollyを利用して、24時間ラジオニュースや天気予報の放送を行っています。

• 参照：AWS 導入事例：株式会社クレディセゾン
• 参照：AWS 導入事例：特定非営利活動法人エフエム和歌山

Amazon Connectを活用したAI-IVRや電話業務の効率化についてはこちらからお問い合わせください。

2. SSMLとは

SSML(Speech Synthesis Markup Language)とは、音声合成に利用されるマークアップ言語で、ピッチや発音、読み上げ速度、音量などを調整することができるXMLベースのマークアップ言語です。

例えば、SSMLを利用することで一時停止や長めの休止をいれることができたり、特定のフレーズを強調することができたり、定義することができます。そのほかにも漢字の発音を指定することができます。

Amazon Polly でサポートされているSSMLタグは以下の通りです。

参照：サポートされているSSMLタグ

Amazon Connectを活用したAI-IVRや電話業務の効率化についてはこちらからお問い合わせください。

3. SSMLタグを使用してテキスト読み上げをチューニングする

ではSSMLタグを使用して、テキストの読み上げをチューニングしてみようと思います。

読み上げに使用する内容は以下にしてみます。

「おまかせサイバーみまもりGigaプラン」および「おまかせサイバーみまもりセキュリティパッケージ」の2プランを提供開始
セキュリティ機器1Gbps対応に加え、多様化するサイバー攻撃への包括的なセキュリティ対策と運用監視をセットで提供

https://www.ntt-east.co.jp/release/detail/20250120_02.html

まずは特にSSMLタグを使用せず、そのままテキストを読ませてみます。

日本語で読ませたい場合は、東京リージョンで実施する必要があります。

ニューラルエンジンで、”Takumi”の音声を利用してみます。

単語の読みは概ね問題なさそうですが、セキュリティの発音や音の区切りなど気になる点があります。

• “「おまかせサイバーみまもりGigaプラン」および「おまかせサイバーみまもりセキュリティパッケージ」の2プランを提供開始”の部分が一気に読まれてしまい、聞き取りにくい
• “セキュリティ”の発音が気になる
• 段落を気にせず続けざまに読まれてしまっている

このあたりをSSMLタグを利用してチューニングしてみようと思います。

SSMLと書いてあるトグルをクリックしてONにします。

3-1. 段落間に一時停止を追加

段落があっても一気に読まれてしまい、聞き取りにくい音声となっているため、<p>を段落に追加し、続けざまに読まれないように調整します。

こちらのタグを使用することで、カンマや文章の終わりで一時停止するよりも長めに一時停止することができます。

追加後は一拍おいて次の行が読まれるようになっており、切れ目がわかりやすくなりました。

参照：段落間に一時停止を追加する

<speak>
<p>「おまかせサイバーみまもりGigaプラン」および「おまかせサイバーみまもりセキュリティパッケージ」の2プランを提供開始</p>
<p>セキュリティ機器1Gbps対応に加え、多様化するサイバー攻撃への包括的なセキュリティ対策と運用監視をセットで提供</p>
</speak>

3-2. 一時停止を追加する

次に「」内をより聞き取りやすくするため、<break>タグを追加します。

<break>タグはstrengthとtimeの二種類の属性を指定することが可能です。この属性を利用することで一時停止の長さを調整することができます。

strength

• none: 一時停止せず、ピリオド後などに発生する一時停止を削除する際に使用する
• x-weak: noneと同じ強度で、一時停止しない
• weak: カンマ後と同じ長さの一時停止をする
• medium: weakと同じ強度で一時停止する
• strong: 文の後と同じ長さの一時停止をする
• x-strong: 段落後と同じ長さの一時停止をする

time

• [数字]s: 秒数単位で一時停止の時間を設定(最大は10秒)
• [数字]ms: ミリ秒数単位で一時停止の時間を設定(最大は10000ミリ秒)

参照：一時停止を追加する

<speak>
<p>「おまかせサイバーみまもりGigaプラン」<break strength="weak" />および「おまかせサイバーみまもりセキュリティパッケージ」<break strength="weak" />の2プランを提供開始</p>
<p>セキュリティ機器1Gbps対応に加え、多様化するサイバー攻撃への包括的なセキュリティ対策と運用監視をセットで提供</p>
</speak>

3-3. 発音記号を使用する

セキュリティの発音を修正していこうと思います。

<phoneme>タグは発音記号を使用して発音を指定することができます。日本語においては発音仮名と読み仮名のアルファベットの使用をサポートしており、これらを使用するには以下alphabet="x-amazon- ～ " 属性が使用できます。

• x-amazon-pron-kana: 発音仮名が使用されていることを示す。ピッチアクセントをエンコードできる。
  例）名前は<phoneme alphabet="x-amazon-pron-kana" ph="ヒロカ'ズ">浩一</phoneme>です。
• x-amazon-yomigana: 読み仮名が使用されていることを示す。読み仮名には従来のカタカナ、ひらがな、ヘボン式ローマ字を使用可能。
  例）名前は<phoneme alphabet="x-amazon-yomigana" ph="ひろかず">浩一</phoneme>です。

参照：日本語 (ja-JP)

<speak>
<p>「おまかせサイバーみまもりGigaプラン」<break strength="weak" />および「おまかせサイバーみまもり<phoneme alphabet="x-amazon-pron-kana" ph="セキュリティー">セキュリティ</phoneme>パッケージ」<break strength="weak" />の2プランを提供開始</p>
<p>セキュリティ機器1Gbps対応に加え、多様化するサイバー攻撃への包括的な、<phoneme alphabet="x-amazon-yomigana" ph="セキュリティー">セキュリティ</phoneme>対策と運用監視をセットで提供</p>
</speak>

ということで、色々チューニング後、最終的にできあがった音声はこちらとなります。

Amazon Connectを活用したAI-IVRや電話業務の効率化についてはこちらからお問い合わせください。

4. まとめ

本コラムではAmazon PollyのSSMLタグを利用したテキスト読み上げのチューニングについて紹介しました。

AWSコンソール上でSSMLタグを利用することで簡単に調整することが可能です。

またAmazon Connectでのテキスト読み上げにおいても、SSMLタグを利用してチューニングすることができます。

より自然なニュアンスでテキストを読み上げてほしいといった場合は、SSMLタグの利用もご検討ください。

Amazon Connectを活用したAI-IVRや電話業務の効率化についてはこちらからお問い合わせください。