使用上の FAQ
IBM Watson® Text to Speech の FAQ には、音声合成、サポートされる言語、音声フォーマット、およびその他のトピックに関する質問が含まれています。 IBM Cloud® に関するすべての FAQ は、 よくある質問 ライブラリ をご覧ください。
サービス資格情報にアクセスするにはどうすればよいですか?
サービス資格情報にアクセスする方法は、IBM Cloud® とともに Text to Speech を使用するか、IBM Cloud Pak® for Dataを使用するかによって異なります。 両方のバージョンの資格情報の取得について詳しくは、入門チュートリアルの始める前にを参照してください。
サービス資格情報を取得したら、サービスに対する認証について以下のトピックを参照してください。
このサービスはどの言語をサポートしていますか?
Text to Speech サービスは、さまざまな発話言語の男性音声と女性音声をサポートします。
- このサービスは、英語 (オーストラリアおよび米国) 用の expressive ニューラル音声 を提供します。
- このサービスでは、オランダ語オランダ語、英語（イギリスとアメリカ）、フランス語（カナダとフランス）、ドイツ語、イタリア語、日本語、韓国語、ポルトガル語（ブラジル）、スペイン語（カスティーリャ語、ラテンアメリカ、北米）の強化された神経音声を提供する。
一部の言語および音声は、IBM Cloud Pak® for Dataではなく、IBM Cloud®でのみ使用可能です。 すべての言語に関する使用可能な音声について詳しくは、言語と音声を参照してください。
このサービスはどのように音声を合成しますか?
Text to Speech サービスは、テキストから音声を合成するためにニューラル・テクノロジーに依存する音声を提供します。 テキストからの音声合成のトピックは本質的に複雑です。 詳しくは、以下を参照してください
出力の音声フォーマットは何ですか?
デフォルトでは、Text to Speech サービスは、Opus コーデック (audio/ogg;codecs=opus) を使用した Ogg フォーマットの音声を返します。このサービスは、アプリケーションのニーズに合わせて、他の多くの音声フォーマットをサポートします。 詳しくは、 サポートされる音声フォーマット を参照してください。
テキストを音声に変換するにはどうすればよいですか?
合成音声出力用のサービスにテキストを送信するには、HTTP または WebSocket 要求を行います。 API を直接使用するか、Watson SDK のいずれかを使用することができます。 入門には、HTTP の POST /v1/synthesize と GET /v1/synthesize の両方のメソッドの例が示されています。 APIとSDKのリファレンスでは、すべてのインターフェースとメソッドの例を示しています。
テキストを送信するためのグラフィカル・ユーザー・インターフェースはありません。 Text to Speech のデモで、サービスの実例をお試しください。 このデモでは、少量のテキストを入力として受け入れて、さまざまな種類の音声を生成します。
サービスが入力したテキストを解釈して合成音声を作成する方法を変更できますか?
Speech Synthesis Markup Language (SSML) を使用して、発音、音量、ピッチ、速度、その他の属性などの合成プロセスの側面を制御できます。
どのプログラミング言語を使用できますか?
このサービスは、多くの一般的なプログラミング言語やプラットフォームで SDK をサポートしています。
- SDK と GitHub 上の SDK へのリンクについて詳しくは、Watson SDK を参照してください。
- Text to Speech サービスの SDK のすべてのメソッドの詳細については、 API & SDK リファレンスを参照してください。
最大でどれだけのテキストを合成するために送信できますか?
本サービスの各メソッドでは、音声合成の要求に対して、以下の最大テキスト量を送信できます。
- HTTP の
GET /v1/synthesizeメソッド - 入力テキスト、SSML、URL とヘッダーを含め、合計で最大 8 KB の入力。 - HTTP の
POST /v1/synthesizeメソッド - URL とヘッダーに最大 8 KB。 入力テキストは SSML を含めて最大 5 KB。 KB。 - WebSocket の
/v1/synthesizeメソッド - 入力テキストは SSML を含めて最大 5 KB。
空白文字や SSML 要素の一部である文字を含む入力のすべての文字が、データの最大量にカウントされます。 請求処理の目的では、空白文字はカウントされません。 詳しくは、データ量の制限を参照してください。
カスタマイズの仕組みはどうなっていますか?
Text to Speech サービスのカスタマイズ・インターフェースでは、特定の言語の単語とそのトランスレーションを登録した辞書を作成できます。 この辞書を、カスタム・モデルと呼びます。 詳しくは、カスタマイズの理解を参照してください。
カスタム・モデルを作成するにはどうすればよいですか?
始める前に、カスタマイズ・インターフェースの処理に関する指針を確認してください。 続いて、カスタム音声モデルの作成と管理で、カスタム・モデルの作成、照会、更新、削除に関する手順と例を参照してください。 また、関係するトレーニング・データを追加するための例と指針について、カスタム項目の作成と管理を確認してください。
カスタム音声を作成できますか?
IBM Cloud
プレミアムのお客様は、 IBM で作業して、特定のユース・ケースおよびターゲット・マーケット向けに新しいカスタム音声をトレーニングすることができます。 カスタム音声の作成は、サービスの既存の音声の 1 つをカスタマイズすることとは異なります。 カスタム音声は、お客様が提供する音声トレーニング・データに基づく固有の新しい音声です。 IBM は、わずか 1 時間のトレーニング・データでカスタム音声をトレーニングできます。
カスタム音声を要求するか、詳細情報を入手するには、この IBM 要求フォームに入力して送信します。
カスタム・モデルにはどのような制限がありますか?
すべてのカスタム・モデルに以下の制限が適用されます。
- カスタム項目の単語には、最大 49 文字を含めることができます。
- カスタム項目のトランスレーションには、最大 499 文字を含めることができます。
- カスタム・モデルには、最大 20,000 個のカスタム項目を含めることができます。
詳しくは、カスタム項目作成のルールを参照してください。
プランと価格設定情報はどこにありますか?
IBM Cloud
Text to Speech サービスは、複数の料金プランを提供します。 料金の詳細については、 IBM Cloud カタログの Text to Speech サービスをご覧ください。