Wave.videoはAmazon Pollyの技術を使って、テキストからオーディオトラックを生成します。時々、デフォルトの結果が完璧ではなく、音声を調整したくなることがあります。そんな時に役立つのがSSMLタグです。
音声合成でSSMLを使い始めるには
簡単です。テキストを2つの<speak>タグの中に入れてください。
<speak>ハロー！</speak>。SSMLタグの中にはニューロボイスで使えないものがあり、またその逆もありますのでご注意ください。ここで正しいものを使っていることを確認してください。
ポーズの作り方
TTSはカンマの後、文の終わり、段落の後に自動的にポーズを作ります。追加のポーズを作る最も簡単な方法は、<break>タグを使用することです。これは通常の音声とニューラル音声の両方で利用できます。
このタグには、weak、medium、strong、x-strong という異なるパラメータがあり、どの程度の強さの一時停止を行うかを定義することができます。また、timeパラメータで一時停止の正確な時間を指定することができます。以下の例を参照してください。
<speak>
ああ、怠惰よ、来てくれ、<break strength="strong"/> 一人で、私のところに来てくれ。
柔らかい涼しさと良い休息があなたを呼んでいる <break time="0.8s"/>
あなたの中にだけ、私は女神自身を見る
</speak>。声の高さを変える、または大きくする／小さくする方法
<prosody>タグで、音声を大きくしたり小さくしたりすることができます。silent, x-soft, soft, medium, loud, x-loudの値を使って変更します。
<speak>
誰もが<prosody volume="x-loud">ブルースはどこから来たのか</prosody>と疑問に思うだろう。
</speak>。もっと厳密に音量をコントロールしたい？dB単位で値を入れるだけです。試してみてください。
<speak>
And everything <prosody volume="-5dB">looks good</prosody> tonight
</speak>.注）＋6dBで 音量はほぼ2倍、-6dBで50％静かになります。
音量調節は、通常の音声合成とニューラル音声合成の両方に対応しています。
スピーチを速くしたり遅くしたりする
ここでも同じ<prosody>タグが役に立ちます速度は、rate属性でx-slow, slow, medium, fast, x-fast, percentageを使って設定できます。これを試してみてください。
<speak>
<prosody rate="x-slow">Red lorry, yellow lorry.</prosody>
<prosody rate="fast">Red lorry, yellow lorry.</prosody>
<prosody rate="200%">Red lorry, yellow lorry.</prosody>
</speak>.ニューラルボイスとレギュラーボイスの両方に対応。
強調する
単語を強調するには、<emphasis>タグとlevel属性を使用します。これには3つのオプションがあり、以下はその仕組みです。
強：音量が大きくなり、話す速度が遅くなるので、大きな声でゆっくり話す。中程度。音量が大きくなり、話す速度が遅くなりますが、強よりも小さくなります。デフォルトはModerateです。縮小する。音量を小さくし、話す速度を速くします。よりソフトでスピーディーな音声になります。
以下はその一例です。
<speak>
<emphasis level="reduced">She is one</emphasis>
who <emphasis level="strong">will notice</emphasis>
that the first snapdragon of Spring <emphasis level="moderate">is in bloom</emphasis>
</speak> 。神経質な声には強調が効かない。
ニュースキャスタースピーチ
ニュースキャスター風のスピーチをお探しですか？私たちはそれをカバーしました。
<speak>
<amazon:domain name="news">
『ガーディアン』紙1912年4月16日（火）版より。史上最大の船、ホワイトスター・ライナー・タイタニックの処女航海は、惨憺たる結果に終わった。タイタニック号は水曜日にサウサンプトンからニューヨークへの航海を開始した。日曜の夜遅く、ニューファンドランドのグランドバンクス沖で氷山に衝突した。
</amazon:domain>
</speak>は、この船は無線電信によって遭難信号を発信し、いくつかの船はその信号をキャッチして応答することができました。ただし、この仕掛けは一部の神経音声で利用可能です。
マシューまたはジョアンナの声（日米間）
ルーペ
エイミー（En-GB）
SSMLでもっとやりたいことは？
この機能のすべてのオプションは、Amazon Pollyのドキュメントでご確認ください。