Windows11の教科書

ウィンドウズ11やスマホで困ったことを調べたブログ

ウィンドウズ10やアプリで困ったことを調べたブログです。

スポンサーリンク


【Azure】TextToSpeechの使い方

Azureではテキストをスピーチ化するAPIが提供されています。ニューラルなボイスに対応して、一段と聞こえ方も改善されています。

Azure TextToSpeechとは?

Condenser Mic at Grammy Museum

マイクロソフトのテキストを音声合成するAPIです。

 

試すには?

その精度については、以下のサイトで自由に試すことができます。

Text to Speech | Microsoft Azure

f:id:apicode:20210128151617p:plain

 

音声では、従来のような?音声の「歩美」さんや、ニューラルな「七海」さんなどがあります。

切り替えて試すと、歩美さんはいかにも音声合成といった感じがしますが、七海さんになるとかなりナチュラルなしゃべり方に近づいています。

 

費用は?

1 個の同時要求では

  • Standard 1 か月あたり 5 million 文字まで無料
  • ニューラル 1 か月あたり 0.5 million 文字まで無料
  • カスタム 1 か月あたり 5 million 文字まで無料、エンドポイント ホスティング: 1 か月あたり 1 モデルまで無料

 

20個同時接続までの対応の場合、

  • Standard 1,000,000 文字あたり ¥448
  • ニューラル 1,000,000 文字あたり ¥1,792
  • ニューラル長い音声の作成: 1,000,000文字あたり ¥11,200
  • カスタム 1,000,000 文字あたり ¥672

 

ニューラルはニューラルモデルのボイスを利用する場合、カスタムはカスタムの音声を使う場合です。

 

無料版もあるのでお試ししやすいと思います。

Cognitive Services のSpeech Services | Microsoft Azure

 

 

TextToSpeechの使い方

使うには?

マイクロソフトAzureの登録が必要です。

https://portal.azure.com/#home

 

登録方法については以下参照ください。 

www.kyoukasho.net

 

CognitiveServceでスピーチ用の項目を作ります。

作成後は、キーとエントリーポイントのところからエンドポイントやアクセスキーを入手できるので、後はそれをプログラムに組み込んで利用しましょう。f:id:apicode:20210128155031p:plain

 

利用できる日本語タイプ

通常

  • 日本語 (日本) ja-JP Female ja-JP-Ayumi
  • 日本語 (日本) ja-JP Female ja-JP-HarukaRUS
  • 日本語 (日本) ja-JP Male ja-JP-Ichiro

ニューラル系

  • 日本語 (日本) ja-JP Female ja-JP-NanamiNeural 
  • 日本語 (日本) ja-JP Male ja-JP-KeitaNeural 

言語サポート - 音声サービス - Azure Cognitive Services | Microsoft Docs

 

 

速度等を変更するには?

音声合成を指示するXMLで、prosody rate="+30%"のように指定します。これは速度を3倍にするというものです。

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
<voice name="en-US-GuyNeural">
<prosody rate="+30.00%">
Welcome to Microsoft Cognitive Services Text-to-Speech API.
</prosody>
</voice>
</speak>

音声合成マークアップ言語 (SSML) - Speech Service - Azure Cognitive Services | Microsoft Docs

 

 

 

不具合

エラーコード

400

パラメータが不足

401

権限がない。キーやトークンが正しいか確認してみましょう。

415

コンテントタイプのエラー。「application/ssml+xml」に設定されているか確認しましょう。

429

リクエストが多いエラー。接続過多。

502

サーバエラー。

 

 

音声がならない?

ニューラル系の音声を使う場合、利用できるサーバーできないサーバーがあります。

 

東日本、西日本は執筆時現在未対応です。

アジア圏であれば「東南アジア」が対応しています。

Text to Speech API リファレンス (REST) - Speech Service - Azure Cognitive Services | Microsoft Docs 

 

このブログは、ネットや書籍上の情報、個人の体験や感想を中心にまとめたものです。 正確性を期していはいますが、間違い・誤訳等あるかもしれません。 当サイトの情報によって生じたいかなる損失について一切の責任を負わないものとします. あらかじめご了承ください。

利用規約・プライバシーポリシー |〇問い合わせ