音声テキストのカスタマイズ

概要

で定義されたタグのサブセットを使用することで、Vonage Voice API が機械生成したテキストをユーザーに再生する方法を制御できます。 音声合成マークアップ言語（SSML）仕様書.このXMLベースのマークアップにより、複数の言語をミックスしたり、特定の単語やNumbersの発音ヒントを提供したり、合成テキストのスピード、ボリューム、ピッチをコントロールしたりすることができます。

において エヌシーシーオー talk アクションを送信することができます。 SSMLタグ テキスト文字列の一部として をテキスト文字列の一部として使うことができる。しかしその前に、文字列全体を <speak></speak> タグを使うことで、その文字列が SSML を含んでいることを Vonage に伝えることができます。タグの属性値には一重引用符かエスケープされた二重引用符を使うことができます。

以下はSSMLの例である。 text NCCOのプロパティ talk アクションだ：

[
  {
    "action": "talk",
    "text": "<speak><p>Hello.</p><p>How are you?</p></speak>"
  }
]

SSMLタグ

• 休憩:話し言葉に区切り（ポーズ）をつける
• 強調:テキストの強調を追加または削除する
• 言語:特定の単語に別の言語を指定する
• 音素:を使ってテキストを綴る。 表音字母
• プロソディー:話し言葉のピッチ、スピード、音量を設定する。
• と言う:単語、Numbers、日付の発音のヒントを提供します。
• 文章と段落:テキストを話すときに、APIが文と段落を認識するようにします。
• 代替:特定のテキストをお好みの発音に置き換える

休憩

について break タグを使うと、テキストに一時停止を加えることができます。一時停止の時間は を使って指定することができる。 strength または time 秒またはミリ秒。

<speak>My name is <break time='1s' />Slim Shady.</speak>

有効 strength の値が含まれる：

• none または x-weak (フルストップの後に存在する可能性のあるポーズを取り除く)
• weak または medium (コンマ）
• strong または x-strong (段落区切りに相当）

<speak>
To be <break strength='weak' />
or not to be <break strength='weak' />
that is the question.
</speak>

強調

単語を強調するには emphasis タグ単語を強調すると、話す速度と音量が変わる。強調が強ければ、話すテキストは大きく、遅くなる。強調が少ないと、静かで速くなります。

強調の度合いを指定するには level 属性を持つ。

有効 level の値が含まれる：

• strong:音量を上げ、話す速度を遅くする。
• moderate:音量を上げ、話す速度を遅くするが、強よりは弱い。 moderate がデフォルトだ。
• reduced:音量を下げ、話す速度を速める。スピーチはよりソフトで速くなる。

<speak>
<emphasis level="moderate">This is an important announcement</emphasis>
</speak>

言語

について lang タグを使うと、特定の単語、フレーズ、文に別の言語を指定することができます。 外国語の発音をよくするのに便利かもしれません。 言語タグには、言語タグと 国コード（例 pt-BR ブラジル・ポルトガル語 en-GB の場合 イギリス英語の場合）。 国別コードが冗長になる可能性がある場合（たとえば it-IT イタリア語 イタリア語）。

<speak><lang xml:lang='it-IT'>Buongiorno</lang></speak>

ご注意ください、 lang は発音を変えるが、声の「母国語」は変えない、 例えば talk アクション/リクエストが en-USおよびSSML lang タグを fr-FR, を入力すると、アメリカン・アクセントのフランス語で話されます。 メッセージ全体の言語を変更するには language パラメータまたは talk アクション/リクエストの代わりに

音素

について phoneme タグを使うと、単語の国際音声記号（International Phonetic アルファベット（IPA）表記の単語を送信できます。これを使用するには の両方を指定する必要があります。 alphabet (どちらか ipa または x-sampa)と ph 属性には発音記号が含まれる。

<speak>
<phoneme alphabet='ipa' ph='təˈmætoː'>Tomato</phoneme> or
<phoneme alphabet='ipa' ph='təˈmeɪtoʊ'>tomato</phoneme>.
Two nations separated by a common language.
</speak>

プロソディー

について prosody タグでは、テキストのピッチ、レート、ボリュームを設定できる。 テキストの

• について volume 属性には以下の値を設定できる： default, silent, x-soft, soft, medium, loud そして x-loud.また という形式で相対デシベル値を指定することもできます。 +ndB または -ndB どこ n は整数値である。

• について rate 属性は発話速度を変更します。使用可能な値 を含みます： x-slow, slow, medium, fast そして x-fast.

• について pitch 属性は声の高さを変えます。これは、定義済みの値ラベルか数値で指定できます。 を指定することができます。値 ラベルは default, x-low, low, medium, high そして x-high.ピッチ変更を数値で指定する場合のフォーマットは以下の通り： +n% そして -n%.

以下の例では、ボリューム、レート、ピッチの変更方法を示しています。

<speak>
I am <prosody volume='loud'>loud and proud</prosody>,
<prosody rate='fast'>quick as a cricket</prosody>
and can <prosody pitch='x-low'>change my pitch</prosody>.
</speak>

セイ・アズ

について say-as タグを使うことで、特定の単語や数字をどのように話すかを指示することができます。これらの機能の多くは、TTSエンジンによって自動的に検出されます。 say-as コマンドを使えば、それらを特別にマークすることができる。

について say-as タグには必須属性があります： interpret-as.その属性は、以下の値のいずれかを含んでいなければならない：

一例を挙げよう：

<speak>
Your number is <say-as interpret-as='cardinal'>10</say-as>. 
You are <say-as interpret-as='ordinal'>10</say-as> in line. 
The digits for ten are <say-as interpret-as='digits'>10</say-as>.
</speak>

日付フォーマット

日付の書式は以下の通り：

下の例は「今日は3月10日」と変換される。

<speak>
Today is <say-as interpret-as="date" format="dm">10/3</say-as>
</speak>

文章と段落

文章

で文章を囲むことができます。 s タグを付ける。これは文末に これは、文末に完全な停止を置くことと同じである。

<speak>
<s>Thank you Mario</s>
<s>But our princess is in another castle</s>
</speak>

パラグラフ

について p タグを使うと、スピーチの段落を指定することができます。

<speak>
<p>Hello.</p>
<p>How are you?</p>
</speak>

代替

について sub タグを使用すると、代わりの発音を指定することができます。タグの内容は alias 属性が代わりに読み込まれる。

<speak>
Welcome to the <sub alias="United States">US</sub>.
</speak>