音声合成ソフトのマークアップ言語

本記事では、音声合成ソフトを使用する上で必要となる「マークアップ言語」について解説します。

音声合成ソフトのマークアップ言語とは？

「SSML」とは、音声のマークアップ言語のことです。代表的なマークアップ言語としては「HTML」があります。SSMLのコードを書くことで、音声合成ソフトで作成する音声をさまざまな形でコントロールできます。

日付や時刻、略語などをSSMLの記述で指定することにより、音声のレスポンスをより細かくコントロールできます。

音声マークアップ言語の記述方法

「speak」

「speak」は、SSMLを有効にするためのコードです。読み上げたいテキストの最初と最後に「「speak」「/speak」」を入れることで、自動的にSSMLが有効になります。このコードを入れないとSSMLが適用されないため、必ず忘れずに入れてください。

「break /」

「break /」は、指定した時間音声の再生を停止することができるコードです。再生する音声の間に、例えば「break time="2s"/」と入力すると、この部分で2秒間音声が停止されます。HTMLの改行タグ「br」と同じ位置づけで活用できます。

「p」

「p」は、適度な時間音声の間を空けることができるコードです。HTMLの「p」と同じで、適度な段落を確保してくれます。音声の合間をバランスよくしたいときに使用します。2秒以上など、ある程度長く間を空けたいときは、先に紹介した「break /」を、適度に間を空けたいのであれば「p」を使用すると便利です。

「emphasis」

「emphasis」は、音声の発声を少し強くすることができるコードです。強調を強くするほど、スピードはゆっくり、音声は大きくなります。

「prosody」

「prosody」は、音声のボリュームやスピードを変化させることができるコードです。「属性」をひとつ以上設定することで、音声に変化をもたらすことができます。このコードで調整できるのは、「早さ」「高さ」「大きさ」の3種類です。

例えば、「「prosody volume="loud"」音声テキスト「/prosody」」と入力することで、音声が大きくなります。また、「「prosody pitch="high"」音声テキスト「/prosody」」と入力すると、音声が高くなります。強弱や遅さ、速さなど、属性を入れることでさまざまな形にカスタマイズできます。

音声合成ソフトの基礎知識をチェック！

音声合成ソフトで使用するコードには、本記事で紹介したコード以外にも数多くあります。ただし、音声認識ソフトの種類によっては正しく再生されないものもあるため、使用する音声認識ソフトにコードが対応しているかを確認したうえで入力することをおすすめします。

本記事では、音声認識ソフトに関するさまざまな情報を発信しています。音声認識ソフトの使用を検討している人、より詳細な情報を求めている人は、ぜひ参考にしてください。

音声合成ソフトの
基礎知識を見る