Polly と Alexa で使う SSML まとめ

Polly と Alexa の音素チューニングする時に使うSSMLをまとめました。
コピペしながら使っています。

SSML 拡張テキスト定義

<speak> テキスト </speak>

読み方・アクセント修正

<phoneme alphabet="x-amazon-pron-kana" ph="ア'ト">あと</phoneme>

話す速さ

<prosody rate="x-slow">　テキスト　</prosody>
<prosody rate="110%">　テキスト　</prosody>
・x-slow、slow、medium、fast、x-fast
・n%：音声の速さをパーセンテージで指定。（最小値 20%）

声の高さ

<prosody pitch="x-high">　テキスト　</prosody>
<prosody pitch="+10%">　テキスト　</prosody>
・x-low、low、medium、high、x-high： 高さを定義済みの値に設定
・+n%： 高さを上げます。例：+10%、+5%（Max +50%）
・-n%： 高さを下げます。例：-10%、-20%（Min -33.3%）

声の大きさ

<prosody volume="x-loud">　テキスト　</prosody>
<prosody volume="+3dB">　テキスト　</prosody>
・silent、x-soft、soft、medium、loud、x-loud： 音量を一定の値に設定
・+ndB： 音量 Up（+6dBでおよそ2倍。最大値は+4.08dB）
・-ndB： 音量 Down

オーディオファイルの再生

<audiosrc="soundbank://soundlibrary/transportation/amzn_sfx_car_accelerate_01"  />
すぐに使える効果音は サウンドライブラリ に用意されています

感情

<amazon:emotion name="excited" intensity="low">　テキスト　</amazon:emotion>
<amazon:emotion name="disappointed" intensity="low">　テキスト　</amazon:emotion>

・name："excited" , "disappointed"
・intensity："medium" ,  "low" , "high"

休止

<break time="3s"/>
・時間：Max 10s 時間の単位（s or ms）を含める
・none： 休止せず。出力される休止（句点の後の休止など）を削除するために使用
・x-weak： 休止は非出力（noneと同じ）
・weak： 隣り合った単語が、読点が1つ入っている場合のように処理
・medium： 隣り合った単語が、読点が1つ入っている場合のように処理
・strong： センテンスに休止を追加
・x-strong： 段落の休止を追加（pタグと同じ）

・<p>　テキスト　</p>
タグの前後にextra-strongと同じ休止を追加。は、pauseに<break strength="x-strong"/>を指定した場合と同じです。

強調

<emphasis level="strong">　テキスト　</emphasis>
・strong： 音量を上げ、話す速度を遅く。より大きな声、ゆっくりになります。
・moderate： 音量を上げ、話す速度を遅く。strongより控えめになります。levelを指定しなかった場合のデフォルトとして使用。
・reduced： 音量を下げ、話す速度を速くします。音声は、柔らかく、早口になります。

テキストの意図解釈

<say-as interpret-as="cardinal">　テキスト　</say-as>
・characters、spell-out： 文字ごとに発音
・cardinal、number： 値を基数として解釈
・ordinal： 値を順序数として解釈
・digits： 数字ごとに別々に発音
・fraction： 値を分数として解釈します。常分数（3/20など）と帯分数（1+1/2など）に対して機能
・unit： 値を測定値として解釈します。値は、数値または分数のいずれかの後に単位が続く（単位の前にスペースを入れない）もののほか、単位だけも可能です。
・date： 値を日付として解釈します。形式はformatアトリビュートで指定します。
・time： 1'21"などの値を、分と秒で表した期間として解釈します。
・telephone： 値を7桁または10桁の電話番号として解釈します。この設定では、内線番号を処理することもできます（例：2025551212x345）。
・address： 値を住所の一部として解釈します。
・interjection： 値を間投詞として解釈します。Alexaは、このテキストをより感情豊かに話します。最適な結果を得るには、サポートされる間投詞だけを使用し、それぞれのspeechconを休止で囲んでください。例：<say-as ・・interpret-as="interjection">わおぅ。</say-as>。Speechconは、以下にリストされた言語でサポートされます。
・expletive： タグで囲まれた内容を「ピーという音」で消します。

発音良化

<lang xml:lang="fr-FR"> Paris  </lang>
ja-JP
de-DE
en-AU
en-CA
en-GB
en-IN
en-US
es-ES
es-MX
es-US
fr-CA
fr-FR
hi-IN
it-IT
pt-BR