本サービスでは、ブラジルポルトガル語向けの新しい「女性ナチュラル」ボイスをサポートするようになりました：

• pt-BR_IsabelaNatural

ナチュラル・ボイスは、自然さと表現力の面で高度なパフォーマンスを提供します。 これらの声は、様々なテクニックを駆使してエクスプレッシブ・ヴォイスよりも優位に立つ。 詳しくは、以下を参照してください

• 自然の声
• ポルトガル語 (ブラジル) の記号

以前は非推奨だった標準的な連結音色 ( v1 ) は、合成時に同等のニューラル ( v3 ) に置き換えられました。 リクエストがこれらの v1 ボイスの一つを指定した場合、対応する v3 ボイスが代わりに使われる。

• de-DE_BirgitVoice -> de-DE_BirgitV3Voice
• de-DE_DieterVoice -> de-DE_DieterV3Voice
• en-GB_KateVoice -> en-GB_KateV3Voice
• en-US_AllisonVoice -> en-US_AllisonV3Voice
• en-US_LisaVoice -> en-US_LisaV3Voice
• en-US_MichaelVoice -> en-US_MichaelV3Voice
• es-ES_EnriqueVoice -> es-ES_EnriqueV3Voice
• es-ES_LauraVoice -> es-ES_LauraV3Voice
• es-LA_SofiaVoice -> es-LA_SofiaV3Voice
• es-US_SofiaVoice -> es-US_SofiaV3Voice
• fr-FR_ReneeVoice -> fr-FR_ReneeV3Voice
• it-IT_FrancescaVoice -> it-IT_FrancescaV3Voice
• ja-JP_EmiVoice -> ja-JP_EmiV3Voice
• pt-BR_IsabelaVoice -> pt-BR_IsabelaV3Voice

音声合成のリクエストからオプションの voice パラメータを省略した場合、サービスはデフォルトで en-US_MichaelV3Voice を使用するようになりました。 このニューラル・ボイス( v3 )は、以前のデフォルトの標準連結ボイス( v1 )、 en-US_MichaelVoice に取って代わる。

Tune by Exampleベータ機能は廃止されました。 新しいプロンプトやスピーカーモデルを作成するためのAPIはサポートされなくなりました。

• 既存のユーザー： すでにプロンプトまたは話者モデルを含む既存のカスタマイズは、限られた期間、音声合成のために機能し続けます。 ただし、新しいプロンプトやスピーカーモデルを作成することはできません。
• 新規ユーザー プロンプトやスピーカーモデルを作成するためのAPIは無効になっており、使用できません。

Tune by Example」機能は、将来のリリースでサービスから完全に削除される予定です。 削除されると、プロンプトやスピーカーモデルに依存するカスタマイズを使用した合成はサポートされなくなります。

本サービスは新たに2つの自然な音声（男性1名、女性1名）をサポートします。対象はオーストラリア英語です：

• en-AU_JackNatural
• en-AU_HeidiNatural

ナチュラル・ボイスは、自然さと表現力の面で高度なパフォーマンスを提供します。 これらの声は、様々なテクニックを駆使してエクスプレッシブ・ヴォイスよりも優位に立つ。 詳しくは、以下を参照してください

• 自然の声
• 英語 (オーストラリア) の記号

本サービスでは新たに2つの自然な音声（男性1名、女性1名）をサポートします。対象はラテンアメリカスペイン語です：

• es-LA_AlejandroNatural
• es-LA_DanielaNatural

ナチュラル・ボイスは、自然さと表現力の面で高度なパフォーマンスを提供します。 これらの声は、様々なテクニックを駆使してエクスプレッシブ・ヴォイスよりも優位に立つ。 詳しくは、以下を参照してください

• 自然の声
• スペイン語の記号

ブラジルのポルトガル語用に、男性と女性の2種類のナチュラルボイスが追加された：

• pt-BR_LucasNatural
• pt-BR_CamilaNatural

ナチュラル・ボイスは、自然さと表現力の面で高度なパフォーマンスを提供します。 これらの声は、様々なテクニックを駆使してエクスプレッシブ・ヴォイスよりも優位に立つ。 詳しくは、以下を参照してください

• 自然の声
• ポルトガル語 (ブラジル) の記号

このサービスでは、新たに4つのナチュラルボイス（男性2名、女性2名、アメリカ英語）をサポートするようになった：

• en-US_EmmaNatural
• en-US_EthanNatural
• en-US_JacksonNatural
• en-US_VictoriaNatural

このサービスでは、英国英語向けに、男性と女性の2つの新しいナチュラルボイスをサポートしています：

• en-GB_ChloeNatural
• en-GB_GeorgeNatural

このサービスは、CA英語用の新しい女性ナチュラルボイスをサポートしています：

• en-CA_HannahNatural

ナチュラル・ボイスは、自然さと表現力の面で高度なパフォーマンスを提供します。 これらの声は、様々なテクニックを駆使してエクスプレッシブ・ヴォイスよりも優位に立つ。 詳しくは、以下を参照してください

• 自然の声
• 英語（米国およびカナダ）記号
• 英語 (英国) の記号

同サービスは現在、ナチュラルボイスと呼ばれる新世代の音声をサポートしており、米国英語用の新しい音声も用意されている：

• en-US_EllieNatural

ナチュラル・ボイスは、自然さと表現力の面で高度なパフォーマンスを提供します。 これらの声は、様々なテクニックを駆使してエクスプレッシブ・ヴォイスよりも優位に立つ。 詳しくは ナチュラルボイスを 参照。

オプションの format 属性で、値 group または single を指定できるようになりました。 これらの属性は、戦略的な沈黙を追加することによって、数字やIDの確認のような英数字の文字列の可読性を向上させるのに役立ちます。

このサービスは現在、ブラジルポルトガル語の新しい男性表現型神経音声に対応しています

• pt-BR_LucasExpressive

表現力のあるニューラル・ボイスは、明瞭かつクリープで流動的な自然な音声を提供します。 新しい音声は、実動用に一般出荷 (GA) されています。 標準の国際音声記号（IPA）とIBMの両方の使用をサポートしています。Symbolic Phonetic Representation (SPR) 音声記号の両方をサポートしています。 詳しくは、以下を参照してください

• Expressive ニューラル音声
• ポルトガル語 (ブラジル) の記号
• ポルトガル語の表現豊かな声

このサービスは、英国英語用の新しい男性表現神経音声をサポートしています：

• en-GB_GeorgeExpressive

表現力のあるニューラル・ボイスは、明瞭かつクリープで流動的な自然な音声を提供します。 新しい音声は、実動用に一般出荷 (GA) されています。 標準の国際音声記号（IPA）とIBMの両方の使用をサポートしています。Symbolic Phonetic Representation (SPR) 音声記号の両方をサポートしています。 詳しくは、以下を参照してください

• Expressive ニューラル音声
• 英語 (英国) の記号

このサービスは、ラテンアメリカ・スペイン語用の新しい女性表現力のあるニューラル・ボイスをサポートするようになりました。

• es-LA_DanielaExpressive

表現力のあるニューラル・ボイスは、明瞭かつクリープで流動的な自然な音声を提供します。 新しい音声は、実動用に一般出荷 (GA) されています。 標準の国際音声記号（IPA）とIBMの両方の使用をサポートしています。Symbolic Phonetic Representation (SPR) 音声記号の両方をサポートしています。 詳しくは、以下を参照してください

• 「感情表出ニューラル音声」。
• スペイン語の表現力のある音声。
• スペイン語の記号。

重要: すべてのニューラル音声はサービス終了日に達し、サービスおよび資料から削除されました。 強化神経や表現神経の声には影響がない。 廃止されたすべての神経音声の完全なリストについては、2023年3月1日のサービス更新 をご覧ください。 廃止された音声を使用しようとすると、HTTPレスポンスコード404とメッセージ'Model '{voice}' not found が返される。

オーストラリア英語、韓国語、オランダ語のニューラル音声が新たに拡張され、ニューラル・ボイスとして使用できるようになりました。 廃止された言語を使い続けるには、オーストラリア英語、韓国語、オランダオランダ語のいずれかの新しい音声に移行する必要があります。

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、オランダ語の新しい拡張ニューラル女性音声 nl-NL_MerelV3Voice をサポートするようになりました。 標準の国際音声記号（IPA）とIBMの両方の使用をサポートしています。Symbolic Phonetic Representation (SPR) 音声記号の両方をサポートしています。

新しい音声は、SSMLのサポートが完了するまでのベータ機能です。 最初のリリースでは、音声は以下のSSML関連関数の使用をサポートしていません：

• すべての音声合成要求を含む <prosody> エレメント
• 音声合成要求での rate_percentage パラメーターと pitch_percentage パラメーター
• WebSocket 音声合成要求での <mark> エレメント
• WebSocket 音声合成要求での JSON テキスト・メッセージの timings パラメーター

新しい音声、IPA および SPR 記号のサポート、および非推奨のオランダ語のニューラル音声から新しい音声への移行について詳しくは、以下を参照してください。

• 拡張されたニューラル音声
• オランダ語 (オランダ) の記号

不具合の修正： 韓国語のSPR記号のドキュメントで、子音に対応する2文字の記号がシングルクォーテーションで囲まれ、1つの記号になっていました。 以前は、引用符で囲むことなく、2つの別々の記号として表示されていた。 詳しくは、 Consonants(韓国語) を参照してください。

IBM SPR シンボルの概要資料が更新され、複数文字シンボルの使用法が明確になりました。 詳しくは、 音声記号 を参照してください。

重要: 2023 年 3 月 31 日以降、すべてのニューラル音声はサービス終了日に達し、サービスおよび資料から削除されます。 2022 年 3 月 31 日以降、ニューラル音声は非推奨になりました。 拡張されたニューラル音声または表現されたニューラル音声は影響を受けません。

以下の神経音声が削除された：

• アラビア語: ar-MS_OmarVoice
• 中国語 (北京語): zh-CN_LiNaVoice、zh-CN_WangWeiVoice、およびzh-CN_ZhangJingVoice
• チェコ語: cs-CZ_AlenaVoice
• オランダ語 (ベルギー): nl-BE_AdeleVoiceおよびnl-BE_BramVoice
• オランダ語 (オランダ): nl-NL_EmmaVoice および nl-NL_LiamVoice
• 英語 (オーストラリア): en-AU_CraigVoice、en-AU_MadisonVoice、およびen-AU_SteveVoice
• 韓国語: ko-KR_HyunjunVoice、ko-KR_SiWooVoice、ko-KR_YoungmiVoice、およびko-KR_YunaVoice
• スウェーデン語: sv-SE_IngridVoice

新しい拡張ニューラル・ニューラル・ボイスは、オーストラリア英語と韓国語で既に提供されています。 今後数週間で、オランダオランダ語用の新しい強化されたニューラル音声が利用可能になる。 2023 年 3 月 31 日より前に、オーストラリア英語、韓国語、またはオランダ語の新しい音声の 1 つにマイグレーションする必要があります。

詳しくは、言語と音声を参照してください。

このサービスでは、オーストラリア英語の 2 つの新しいニューラル音声 (男性と女性) がサポートされるようになりました。

• en-AU_HeidiExpressive
• en-AU_JackExpressive

表現力のあるニューラル音声は、非常に明確で、焦りがあり、流体である自然に聞こえる音声を提供します。 新しい音声は、本番環境での利用が可能になりました（GA）。 標準的な国際音声記号（IPA）とIBMの両方の使用をサポートしています。Symbolic Phonetic Representation (SPR) 音声記号の両方をサポートしています。 詳しくは、以下を参照してください

• Expressive ニューラル音声
• 英語 (オーストラリア) の記号

非推奨のオーストラリア英語のニューラル音声から新しい表現型ニューラル音声に移行できます。

このサービスは、韓国語の新しい拡張ニューラル女性音声 ko-KR_JinV3Voice をサポートするようになりました。 新しい音声は、実動用に一般出荷 (GA) されています。 標準の国際音声記号（IPA）とIBMの両方の使用をサポートしています。Symbolic Phonetic Representation (SPR) 音声記号の両方をサポートしています。 詳しくは、以下を参照してください

• 拡張されたニューラル音声
• 韓国語の記号

非推奨の韓国語ニューラル音声から新しい拡張ニューラル音声にマイグレーションできます。

不具合を修正しました： フランス語とカナダ語のボイスが、19:41 のような時間を正しく発音するようになりました。 以前は、音声は合成音声で当時の要素を省略していました。

問題点の修正: 日本語の音声合成の結果に予期しない音声が挿入されなくなりました。 以前は、特定のケースで他の音声が挿入されていた。

IBMは、2022年5月31日にIBM Cloud Foundryを廃止すると発表した。 2022年11月30日をもって、'IBM'Cloud Foundry新規アプリケーションは作成できなくなり、既存ユーザーのみがアプリケーションをデプロイできるようになります。 IBM'Cloud Foundryは2023年6月1日にサポート終了となります。 その後、IBMが実行されているIBMを実行しているCloud Foundryアプリケーションのランタイムインスタンスは、永久に無効化され、削除されます。Cloud Foundryアプリケーションは永久に無効化され、デプロビジョニングされ、削除されます。

2023年6月1日以降もIBM Cloudアプリケーションを使用するには、その日までにリソースグループに移行する必要があります。 リソース・グループはCloud Foundryのスペースと概念的に似ている。 これには、 IBM Cloud Identity and Access Management （IAM）を活用したよりきめ細かなアクセス制御、異なるリージョンにまたがるアプリやサービスへのサービスインスタンスの接続機能、グループごとの利用状況を確認する簡単な方法など、いくつかの追加メリットが含まれています。

問題点の修正: <say-as> エレメントを使用して、大きな数値を基数として発音できるようになりました。 以前は、<say-as> 要素に大きな数字を interpret-as="cardinal" 属性で囲むと、英語音声の音声合成に失敗することがありました。 例えば、<say-as interpret-as="cardinal">3,200</say-as> はサービスにエラーを発生させるかもしれない。 詳しくは、 SSML 要素のトピックの カーディナリティー を参照してください。

問題点の修正: サービスは、合成される英語テキストのコンテキストに基づいて、同音異義語およびその他の単語を正しく発音するようになりました。 以前は、advocate「wifi といった単語は英語音声では間違った発音になることがあった。

• カスタム・モデルの作成
• APIおよびSDKリファレンス

このサービスは、米国英語の 4 つの新しい表現のニューラル音声を提供します。

• en-US_AllisonExpressive
• en-US_EmmaExpressive
• en-US_LisaExpressive
• en-US_MichaelExpressive

表現力のあるニューラル音声は、非常に明確で、焦りがあり、流体である自然に聞こえる音声を提供します。 新しい音声は、本番環境での利用が可能になりました（GA）。 標準的な国際音声記号（IPA）とIBMの両方の使用をサポートしています。Symbolic Phonetic Representation (SPR) 音声記号の両方をサポートしています。 詳しくは、以下を参照してください

• Expressive ニューラル音声
• 英語 (米国) の記号

表現的なニューラル音声は、テキストの感情をその単語や句のコンテキストから決定します。 彼らが発するスピーチは、会話調であることに加え、テキストの雰囲気を反映している。 しかし、テキストのすべてまたは一部が以下のいずれかの話し方を強調することによって、声の自然な傾向を装飾することができます。

• 「シェルフル」-幸福と良いニュースを伝えます。
• 共感する-共感または共感を表します。
• 中立-客観性と偶数性を表します。
• 不確定-混乱または不確実性を表します。

詳しくは、 発話スタイルの使用 を参照してください。

表現性のあるニューラル音声を使用すると、サービスはコンテキストに基づいて一般的なインタージェクションのセットを自動的に検出します。 これらの相互作用を合成すると、人間が通常の会話で使用することを自然に強調することになります。 一部のインタージェクションでは、SSML を使用してそれらの強調を有効または無効にすることができます。 詳しくは、 インターフェースの強調 を参照してください。

表現的な音声は、コンテキストからの正しいイントネーションを自然に適用する会話型スタイルを使用します。 ただし、1 つ以上の単語を多かれ少なかれ強調するように指定することができます。 ストレスの変化は、ピッチ、タイミング、ボリューム、またはその他の音響属性の増減によって示すことができます。 詳しくは、 単語の強調 を参照してください。

• 使用可能なフォーマットについて詳しくは、 サポートされる音声フォーマット を参照してください。
• フォーマットの指定について詳しくは、 音声フォーマットの指定 を参照してください。

重要:****2022 年 3 月 31 日から、すべてのニューラル音声が非推奨になりました。 非推奨の音声は、 2023 年 3 月 31 日にサービスおよび資料から削除されるまで、既存のユーザーが引き続き使用できます。 拡張されたニューラル音声や表現可能な音声は推奨されません。

以下のニューラル音声は非推奨になりました。

• アラビア語: ar-MS_OmarVoice
• 中国語 (北京語): zh-CN_LiNaVoice、zh-CN_WangWeiVoice、およびzh-CN_ZhangJingVoice
• チェコ語: cs-CZ_AlenaVoice
• オランダ語 (ベルギー): nl-BE_AdeleVoiceおよびnl-BE_BramVoice
• オランダ語 (オランダ): nl-NL_EmmaVoice および nl-NL_LiamVoice
• 英語 (オーストラリア): en-AU_CraigVoice、en-AU_MadisonVoice、およびen-AU_SteveVoice
• 韓国語: ko-KR_HyunjunVoice、ko-KR_SiWooVoice、ko-KR_YoungmiVoice、およびko-KR_YunaVoice
• スウェーデン語: sv-SE_IngridVoice

非推奨のニューラル音声は、引き続き既存のユーザーが使用できますが、新規ユーザーは使用できなくなります。

• 既存のユーザー: 2022 年 3 月 31 日より前に作成されたサービスのインスタンスは、音声合成に非推奨の音声を引き続き使用できます。 また、これらのインスタンスを使用して、非推奨となったボイスを基にしたカスタムモデルを作成・操作することも可能です。 さらに、GET /v1/voicesメソッドとGET /v1/voices/{voice}メソッドを使用して、音声のリストと照会を続行できます。
• 新規ユーザー様へ： 2022年3月31日以降に作成された本サービスのインスタンスでは、音声合成において非推奨のボイスを使用することはできません。 また、これらのインスタンスを使用して、非推奨となったボイスを基にしたカスタムモデルを作成することもできません。 また、GET /v1/voicesメソッドおよびGET /v1/voices/{voice}メソッドを使用して音声をリストしたり照会することはできません。 非推奨の音声の 1 つを含む API 呼び出しは、呼び出しに応じて HTTP エラー・コード 400 または 404 を返します。

2023 年 2 月 15 日までに、オーストラリア英語、オランダ語、韓国語の新しい声が発表される。 オーストラリア英語、オランダ語、または韓国語の音声を使用している場合、API 呼び出しはその言語の新しい音声に自動的にリダイレクトされます。 アラビア語、中国語、チェコ語、スウェーデン語、およびフランドルの音声はサービスから削除されます。

利用可能なすべての言語と音声に関する詳細については、「 言語と音声 」をご覧ください。

標準の連結ボイスは 2020年12月2 日に非推奨となった。 これらの標準音声は、API リファレンスから削除されました。 「 標準音声からニューラル音声への移行 」というトピックも、「 言語と音声 」ページから削除されました。

同様に、アラビア語音声の以前の名前であるar-AR_OmarVoiceは、同時に非推奨になりました。 これも資料から削除されました。 代わりに、音声ar-MS_OmarVoiceを使用してください。

WebSocket インターフェースを使用して単語のタイミングをリクエストした際に、サービスから返されるレスポンスオブジェクトが変更されました。 サービスは、単語のタイミングの結果を単一の配列で送信するようになりました。この配列には、ストリングとそれに続く 2 つの浮動小数点が含まれます。

{
  "words": [
    ["Hello", 0.0, 0.259],
    ["world", 0.259, 0.532]
  ]
}

サービスは以前に、2 つの浮動小数点の配列が後に続くストリングを含む配列としてタイミング結果を送信しました。

{
  "words": [
    ["Hello", [0.0629826778195474, 0.2590192737303819]],
    ["world", [0.2598829173456253, 0.5322130804452672]]
  ]
}

また、単語のタイミングとマークの精度のレベルが、小数点以下 3 桁に減らされるようになりました。 新しい応答について詳しくは、 単語のタイミングの生成 を参照してください。

注: 以前は、拡張されたニューラル音声とニューラル音声の結果が異なっていました。 こうした不整合により、 Watson のSDKでエラーが発生する可能性があります。 すべての音声の結果が一貫性のあるものになりました。

• これで、<break>エレメントの例が正しくなりました。 この例に示されているように、エレメントは単項です。 上記の例には、テキストが埋め込まれたオープン・タグとクローズ・タグが含まれています。 埋め込みテキストはサービスによって発話されませんでした。 詳しくは、<break>エレメントを参照してください。
• サービスは SSML バージョン 1.1をサポートします。 すべての参照と例で正しいバージョンが使用されるようになりました。 この資料では、以前にバージョン 1.0 を参照していました。

新しい言語であるチェコ語で新しい女性音声cs-CZ_AlenaVoiceを使用できるようになりました。 その声はニューラル音声です。

新しいベルギー・オランダ語 (Flemish) 音声nl-BE_BramVoiceが使用可能になりました。 その声はニューラル音声です。

不具合の修正： 今回のリリースでは、Speech Synthesis Markup Language（SSML）および音声合成に関する以下の不具合が修正されました：

• <prosody>エレメントのpitch属性が、指定されたすべてのテキストに適用されるようになりました。 以前は、ピッチ変更は、影響を受けるテキストの最初のワードに常に適用されるとは限りませんでした。 また、ドキュメントには、 pitch の値を指定する方法に関する説明が追加されました。 詳しくは、pitch 属性を参照してください。
• 日本語テキストの音声合成では、音声がよりゆっくりと発話されるようになりました。 以前は、合成音声があまりにも早く発話されていました。 日本語テキストの合成がまだアプリケーションに対してあまりにも速く発話されていることが判明した場合は、rateSSML 要素の属性<prosody>を使用して、発話速度を制御します。 詳しくは、rate 属性を参照してください。
• ニューラル音声は、エスケープされたアポストロフィ文字 (') を適切に解析するようになりました。 以前は、一部のニューラル音声が文字を適切に解釈していませんでした。

このサービスは、拡張ニューラル音声fr-CA_LouiseV3Voiceを使用してカナダ・フランス語をサポートするようになりました。 カナダ・フランス語の音声はカスタマイズをサポートし、実動用に一般出荷可能 (GA) です。

• 新しい音声のサンプルについては、サポートされる言語と音声を参照してください。
• カナダ・フランス語で使用可能な表音記号および Unicode 値について詳しくは、フランス語 (カナダ) の記号を参照してください。

新規「例によるチューニング」機能を使用すると、指定されたテキストがサービスによってどのように発話されるかを制御できます。 この機能はベータ版であり、米国英語のカスタムモデルおよび音声でのみ利用可能です。 以下の 2 つのコンポーネントがあります。

• カスタム・プロンプトには、テキストを聞きたいときにそのテキストを発話する、発話されるべきテキストと録音された音声が含まれます。 音声は、合成されたテキストのイントネーション、カデンス、およびストレスを指定します。 プロンプトでは、さまざまな音節や単語を強調したり、一時停止を導入したりすることができます。また、通常は、合成音声の音声をそのコンテキストに合わせてより自然かつ適切なものにすることができます。
• スピーカー・モデルは、1 つ以上のプロンプトを出すユーザーに対して登録音声を提供します。 スピーカー・モデルは、ユーザーの音声の音声サンプルを提供します。 サービスは音声で自分自身を訓練し、そのスピーカーに対して高品質のプロンプトを出すのに役立ちます。

音声合成要求でカスタム・プロンプトを指定して、サービスの音声がテキストを発音する方法を示します。 プロンプトを指定するには、SSML 拡張子<ibm:prompt id="{prompt_id}"/>を使用します。 合成音声は、プロンプトの韻律を複製します。

このサービスには、「例によるチューニング」機能を操作するための 8 つの新しいメソッドが含まれています。 以下に紹介する新しいメソッドの説明には、APIおよびSDKリファレンス内の各項目へのリンクが記載されています。 新しいメソッドを表示するには、参照のCurlタブを選択する必要がある場合があります。

• このサービスには、カスタム・プロンプトを処理するための 4 つのメソッドが含まれています。

  • カスタム・プロンプトのリスト: GET /v1/customizations/{customization_id}/prompts
  • カスタム・プロンプトの取得: GET /v1/customizations/{customization_id}/prompts/{prompt_id}
  • カスタム・プロンプトの削除: DELETE /v1/customizations/{customization_id}/prompts/{prompt_id}

• このサービスには、スピーカー・モデルを操作するための以下の 4 つのメソッドが含まれています。

  • スピーカー・モデルのリスト: GET /v1/speakers
  • スピーカー・モデルを入手する: GET /v1/speakers/{speaker_id}
  • スピーカー・モデルの削除: DELETE /v1/speakers/{speaker_id}

カスタマイズ方式の Activity Tracker イベントのアクションの名前が変更されました。 アクションに、custom-voiceの代わりにcustom-modelというストリングが含まれるようになりました。 アクションの古い名前は推奨されません。 古い名前は引き続き使用できますが、将来の日付で削除されます。 できるだけ早く、カスタマイズ・イベントにリストされている新しい名前に移行してください。

イベントの作成 推奨されないアクション名-> 新規アクション名

• text-to-speech.custom-voice.create -> text-to-speech.custom-model.create
• text-to-speech.custom-voice-word-list.create -> text-to-speech.custom-model-word-list.create
• text-to-speech.custom-voice-word.create -> text-to-speech.custom-model-word.create

イベントの読み取り 非推奨アクション名-> 新規アクション名

• text-to-speech.custom-voice-list.read -> text-to-speech.custom-model-list.read
• text-to-speech.custom-voice.read -> text-to-speech.custom-model.read
• text-to-speech.custom-voice-word-list.read -> text-to-speech.custom-model-word-list.read
• text-to-speech.custom-voice-word.read -> text-to-speech.custom-model-word.read

更新イベント 推奨されないアクション名-> 新規アクション名

• text-to-speech.custom-voice.update -> text-to-speech.custom-model.update

イベントの削除 非推奨アクション名-> 新規アクション名

• text-to-speech.custom-voice.delete -> text-to-speech.custom-model.delete
• text-to-speech.custom-voice-word.delete -> text-to-speech.custom-model-word.delete

このサービスで提供される音声は、大幅な変更が加えられました。 このサービスは、新しい言語と音声をサポートし、多くの音声の品質を向上させ、多くの古い音声を非推奨にしました。 さらに、すべてのサービスボイスがカスタマイズ可能となり、本番環境での利用に向けた一般提供（GA）が開始されました。

音声合成の全体的な品質を最適化するために、使用可能な音声はすべてニューラル・テクノロジーに基づいています。 このサービスには、ニューラル・テクノロジーに基づく以下の 2 つのタイプの音声が用意されています。

• アラビア語、オーストラリア英語、中国語、オランダ語、および韓国語の場合、ニューラル音声(名前にストリングV3を含まない) を使用できるようになりました。 ニューラル音声は、Speech Synthesis Markup Language (SSML)<phoneme> 要素での International Phonetic Alphabet (IPA) の使用をサポートしています。
• 拡張されたニューラル音声(名前にストリングV3を含む) は、ブラジル・ポルトガル語、英国および米国英語、フランス語、ドイツ語、イタリア語、日本語、およびスペイン語 (すべての方言) で使用できるようになりました。 拡張ニューラル音声は、SSML<phoneme> 要素での IPA と IBM Symbolic Phonetic Representation (SPR) の両方の使用をサポートします。 拡張されたニューラル音声も、やや高いレベルの自然に聞こえる音声を実現します。 今後数ヶ月のうちに、ニューラルボイスの機能をさらに強化するためのカスタマイズ機能が追加される予定です。

このサービスでは、どの言語の標準音声も提供されなくなりました。 標準音声は、連結合成を用いて録音された音声の断片をつなぎ合わせ、要求された音声を生成しました。

詳しくは、言語と音声を参照してください。

以下のオーストラリア英語と韓国語の声は新しいものです。

• このサービスは、en-AU_CraigVoiceとen-AU_MadisonVoiceの 2 つのニューラル音声を持つオーストラリア英語をサポートするようになりました。
• このサービスでは、ko-KR_HyunjunVoiceとko-KR_SiWooVoiceの 2 つの新しい韓国語ニューラル音声がサポートされるようになりました。

従来は連結方式だったアラビア語、中国語、オランダ語、韓国語の音声は、すべてニューラル方式に変更されました：

• ar-MS_OmarVoice
• ko-KR_YoungmiVoice
• ko-KR_YunaVoice
• nl-NL_EmmaVoice
• nl-NL_LiamVoice
• zh-CN_LiNaVoice
• zh-CN_WangWeiVoice
• zh-CN_ZhangJingVoice

その他、以下の変更も行われました：

• アラビア語の音声の名前がar-MS_OmarVoiceになりました。 以前の名前ar-AR_OmarVoiceは推奨されません。 少なくとも 1 年間は機能し続けますが、将来の日付で削除される可能性があります。 できるだけ早く新しい名前に移行することをお勧めします。
• アラビア語で、SSML<phoneme> エレメントでの IPA 記号と Unicode 値の使用がサポートされるようになりました。 アラビア語用のカスタム・モデルを作成するには、言語 IDar-MS を使用する必要があります IDar-AR はカスタマイズではサポートされていません。
• アラビア語の IPA 記号が新しくなりました。 以前に記録されていた記号は置き換えられました。
• オランダ語の IPA 記号は、以下のように変更されました。
  • オランダ語では、IPA 記号 tʲ (0074+02B2)、 ɲ (0272)、 ʦ (02A6)、および ʔ (0294) はサポートされなくなりました。
  • オランダ語（オランダ）では、以下のIPA記号がサポートされるようになりました： ɣ (0263)。

以下の標準の音声連結機能は、現在非推奨となっています：

• de-DE_BirgitVoice
• de-DE_DieterVoice
• en-GB_KateVoice
• en-US_AllisonVoice
• en-US_LisaVoice
• en-US_MichaelVoice
• es-ES_EnriqueVoice
• es-ES_LauraVoice
• es-LA_SofiaVoice
• es-US_SofiaVoice
• fr-FR_ReneeVoice
• it-IT_FrancescaVoice
• ja-JP_EmiVoice
• pt-BR_IsabelaVoice

非推奨になったすべての標準音声には同等のニューラル音声があるため、音声は削除されません。 代わりに、音声合成の結果を向上させるために、同等のニューラル・バージョンの音声に変更することができます (例えば、de-DE_BirgitVoiceからde-DE_BirgitV3Voiceに変更できます)。

これらの非推奨の音声は、公開された資料から削除されます。 少なくとも 1 年間は機能し続けますが、将来の日付で削除される可能性があります。 できるだけ早く同等のニューラル音声に移行することをお勧めします。

音声合成要求からオプションのvoiceパラメーターを省略すると、サービスはデフォルトでen-US_MichaelV3Voiceを使用します。 このニューラル音声は、以前のデフォルトであった非推奨のen-US_MichaelVoice標準音声に置換ものです。

以下の機能は、標準の連結ボイスでのみ利用可能でした。 これらは非推奨になり、公開されている資料から削除されました。 少なくとも 1 年間は機能し続けますが、将来の日付で削除される可能性があります。 これらの機能をアプリケーションから削除し、できるだけ早くニューラル音声に移行することをお勧めします。

• 感情表出 SSML。 これは、en-US_AllisonVoice 音声に対してのみサポートされていた SSML への IBM 拡張でした。
• 音声変換 SSML。 これは、en-US_AllisonVoice、en-US_LisaVoice、およびen-US_MichaelVoice音声でのみサポートされていた SSML への IBM 拡張でした。
• <prosody>エレメントのvolume属性です。 この属性は、すべての標準音声で使用可能でした。

これらの SSML 要素をニューラル音声の合成要求に含めると、要求が SSML 検証に失敗するため、HTTP 400 応答コードが生成されます。 SSML 検証について詳しくは、SSML 検証を参照してください。

Cross-Origin Resource Sharing (CORS) サポートが、Google Chrome™ および Apple ® Safari ブラウザーのすべての音声で使用できるようになりました。 これは、Mozilla Firefox™ ブラウザーから、アラビア語、オーストラリア英語、中国語、オランダ語、および韓国語の各言語の音声で使用できなくなります。 詳しくは、 CORS サポートの利用を ご覧ください。

問題点の修正: ja-JP_EmiV3Voice 音声の場合、サービスは、韻律レートの指定を含む SSML 入力テキストを正しく解析するようになりました。 以前は、<prosody>エレメントを以下のように適切に使用することができました。

<speak>成功する/繁栄する</speak>

しかし、<prosody> 要素でrate属性を以下のように使用すると、サービスは組み込み SSML 表記を読み取って記述します。

<speak>
  <prosody rate="fast">成功する/繁栄する</prosody>
</speak>

サービスは、日本語入力の<prosody>エレメントのrate属性を正しく解析して適用するようになりました。

本サービスでは、新たに2種類のニューラルボイスを提供しています：

• 英国英語: en-GB_CharlotteV3Voice
• フランス語: fr-FR_NicolasV3Voice

また、既存の英国ニューラル音声en-GB_KateV3Voiceの改良バージョンも提供します。 使用可能なすべての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、日本語の音声で SSML<say-as> 要素のdigits属性をサポートするようになりました。 詳しくは、say-as 要素を参照してください。

このサービスでは、ko-KR_YoungmiVoice と ko-KR_YunaVoice という 2 つの標準女性韓国語音声が新たにサポートされています。 以下の情報は両方の韓国語音声に当てはまります。

• これらの関数はベータ関数です。 実動使用に対応していない可能性があり、変更される可能性があります。 これらは初回オファリングであり、今後の時間の経過と使用に伴い品質が向上することが期待されています。
• これらの音声は、カスタマイズと/v1/pronunciationメソッドをサポートします。
• 音声は、WebSocket インターフェースで使用可能な<mark>エレメントとtimingsパラメーターをサポートします。
• これらの音声は、感情表出 SSML と音声変換 SSML を除くすべての Speech Synthesis Markup Language (SSML) 要素をサポートしています。
• これらの音声は、International Phonetic Alphabet (IPA) のみをサポートし、<phoneme>エレメントを使用した IBM Symbolic Phonetic Representation (SPR) はサポートしていません。

アラビア語、中国語、オランダ語のベータ版の音声では、以下の機能がサポートされるようになりました。

• カスタマイズおよび/v1/pronunciationメソッド。
• <mark>エレメントおよびtimingsパラメーターは、WebSocket インターフェースで使用できます。

追加情報については、以下のセクションを参照してください。

• 使用可能なすべての音声について詳しくは、言語と音声を参照してください。
• WebSocket インターフェースを使用して単語のタイミングを取得する方法について詳しくは、 単語のタイミングの生成 を参照してください。
• カスタマイズについて詳しくは、カスタマイズの理解を参照してください。
• カスタマイズでの IPA および SPR の使用について詳しくは、表音記号についてを参照してください。 (アラビア語、中国語、オランダ語、韓国語の IPA 記号はまだ文書化されていません。 この資料はまもなく提供されます。)

このサービスでは、次の 5 つの新しいニューラル音声がサポートされるようになりました。

• 米国英語: en-US_EmilyV3Voice、en-US_HenryV3Voice、en-US_KevinV3Voice、および en-US_OliviaV3Voice
• ドイツ語: de-DE_ErikaV3Voice

これらの新しい音声では、以下の SSML 要素はサポートされていません。

• <express-as>要素を使用した感情表出 SSML
• <voice-transformation>要素を使用した音声変換
• <prosody>エレメントのvolume属性。

これらの音声とすべての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。

サービスで、すべてのカスタマイズ操作の Activity Tracker イベントの使用がサポートされるようになりました。IBM Cloud Activity Tracker は、IBM Cloud 内のサービスの状態を変更するユーザー開始アクティビティーを記録します。 このサービスを使用して、異常なアクティビティーや重大なアクションを調査し、法規上の監査要件に準拠することができます。 さらに、アクションが発生した際にそれに関するアラートを通知させるようにできます。 詳しくは、 Activity Tracker イベントを参照してください。

このサービスでは、以下のとおり 3 つの新しい言語で 6 つの新規標準音声が新たにサポートされています。

• アラビア語: ar-AR_OmarVoice
• 中国語 (北京語): zh-CN_LiNaVoice、zh-CN_WangWeiVoice、および zh-CN_ZhangJingVoice
• オランダ語: nl-NL_EmmaVoiceおよびnl-NL_LiamVoice

以下の情報はこれらの新しい標準音声に当てはまります。

• 新しい関数はベータ関数です。 これらの音声は実動使用に対応していない可能性があり、変更される可能性があります。 これらは初回オファリングであり、今後の時間の経過と使用に伴い品質が向上することが期待されています。
• これらの音声は、WebSocket インターフェースで使用可能な<mark>エレメントおよびtimingsパラメーターをサポートしていません。
• これらの音声は、カスタマイズも/v1/pronunciationメソッドもサポートしていません。
• これらの音声は、感情表出 SSML や音声変換 SSML をサポートしていません。
• これらの音声は、他のすべての SSML 要素をサポートしています。 ただし、<phoneme>要素では、International Phonetic Alphabet (IPA) のみがサポートされ、IBM Symbolic Phonetic Representation (SPR) はサポートされません。

これらの音声とすべての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。

Text to Speech サービスで、IBM Cloud の ID およびアクセス管理 (IAM) の完全実装がサポートされるようになりました。 Watson サービスの API キーは、単一のサービス・インスタンスに制限されなくなりました。 複数のサービスに適用されるアクセス・ポリシーと API キーを作成でき、ユーザーはサービス間のアクセス権限を付与することができます。 IAM について詳しくは、Watson サービスに対する認証を参照してください。

この変更をサポートするために、API サービス・エンドポイントには、それぞれに別のドメインが使用され、サービス・インスタンス ID が含まれるようになりました。 パターンは、api.{location}.text-to-speech.watson.cloud.ibm.com/instances/{instance_id} です。

• ダラス・ロケーションでホストされるインスタンスの HTTP URL の例:

  https://api.us-south.text-to-speech.watson.cloud.ibm.com/instances/6bbda3b3-d572-45e1-8c54-22d6ed9e52c2

• ダラス・ロケーションでホストされるインスタンスの WebSocket URL の例:

  wss://api.us-south.text-to-speech.watson.cloud.ibm.com/instances/6bbda3b3-d572-45e1-8c54-22d6ed9e52c2

URLに関する詳細については、 APIおよびSDKリファレンスを参照してください。

これらの URL を使用しても破壊的な変更にはなりません。 新規 URL は、既存のサービス・インスタンスにも新規インスタンスにも使用できます。 元の URL は、少なくとも 1 年間 (2020 年 12 月まで)、既存のサービス・インスタンスに使用できます。

以下の新しいネットワークおよびデータ・セキュリティー機能がサポートされるようになりました。

• プライベート・ネットワーク・エンドポイントのサポート

  プレミアム・プランのユーザーは、プライベート・ネットワーク・エンドポイントを作成して、プライベート・ネットワークを介して Text to Speech サービスに接続できます。 プライベート・ネットワーク・エンドポイントへの接続は、パブリック・インターネット・アクセスを必要としません。 詳しくは、パブリック・ネットワークおよびプライベート・ネットワークのエンドポイントを参照してください。

サービスは、使用可能なほとんどの音声で、以下の 2 つのバージョンを提供するようになりました。

• 録音された音声の断片をつなぎ合わせて音声を生成する、連結合成方式を用いた標準的な音声。 標準音声の名前にはバージョン・ストリングが含まれません (例えば en-US_AllisonVoice)。
• ディープ・ニューラル・ネットワーク (DNN) を使用して音声の音響 (スペクトル) 特性を予測するニューラル音声。 ニューラル音声の名前には、バージョン・ストリング (V3) が含まれます (例えば en-US_AllisonV3Voice)。

ニューラル・バージョンは、ja-JP_EmiVoice音声を除くすべての標準音声で使用できます。この音声は保留中であり、まもなく使用可能になります。 ニューラル音声で SSML 要素<express-as>および<voice-transformation>要素を使用することはできません。また、ニューラル音声で<prosody>要素のvolume属性を使用することもできません。 使用可能なすべての音声について詳しくは、言語と音声を参照してください。

サービスには、以前は使用可能であった V2 DNN 音声が含まれなくなりました。 アプリケーションで V2 音声を使用する場合、サービスは代わりに同等の V3 音声を自動的に使用します。

ドイツ語音声の V2 ディープ・ニューラル・ネットワーク (DNN) バージョンがサービスで提供されるようになりました。

• de-DE_BirgitV2Voice
• de-DE_DieterV2Voice

DNN ベースの音声について詳しくは、言語と音声を参照してください。

サービスの DNN ベースの音声はすべて、SSML<prosody> 要素のpitch属性とrate属性をサポートするようになりました。 DNN ベースの音声では、<prosody>エレメントのvolume属性はサポートされません。 詳しくは、prosody 要素を参照してください。

ユーザーが、IBM Cloud アカウントに割り当てられている役割に関連付けられているサービス資格情報のみを表示できるようになりました。 例えば、reader 役割が割り当てられている場合、writer 以上のレベルのサービス資格情報は表示されなくなりました。

この変更は、既存のサービス資格情報を使用したユーザーまたはアプリケーションの API アクセスには影響を与えません。 この変更は IBM Cloud 内での資格情報の表示にのみ影響を与えます。

サービスでは、ディープ・ラーニング合成を使用して音声を生成する以下の 4 つの新しい V2 音声が提供されるようになりました。

• en-US_AllisonV2Voice
• en-US_LisaV2Voice
• en-US_MichaelV2Voice
• it-IT_FrancescaV2Voice

これらの新しい音声では、機械学習と DNN を使用して、テキストから音声が合成されます。 ディープ・ラーニング合成、またはディープ・ニューラル・ネットワーク (DNN) ベースの合成では、より自然な韻律で全体的に一貫した品質の音声が生成されます。

しかし、これらの新しい音声を使用して生成される音声信号品質は既存の音声とは異なるので、どのアプリケーションにも適しているというわけではありません。 また、新しい音声は SSML 要素 <prosody>、<express-as>、および<voice-transformation>をサポートしません。

これらの DNN ベースの音声、および既存の音声との違いについて詳しくは、言語と音声を参照してください。

WebSocket インターフェースで、ブラウザー・ベースの JavaScript コードからのトークン・ベースの Identity and Access Management (IAM) 認証がサポートされるようになりました。 反対の制限事項は除去されました。 認証を受けた接続を WebSocket の /v1/synthesize メソッドを使用して確立するには、次のようにします。

• IAM 認証を使用する場合は、access_token クエリー・パラメーターを含めます。
• Cloud Foundry サービス資格情報を使用する場合は、watson-token クエリー・パラメーターを含めます。

詳しくは、接続を開くを参照してください。

Text to Speech サービスは、すべてのロケーションでトークン・ベースの IAM (ID およびアクセス管理) 認証を行うように移行しました。 すべての IBM Cloud サービスが、IAM 認証を使用するようになりました。 Text to Speech サービスでは、以下の日付で各ロケーションで移行が行なわれました。

• ダラス (us-south): 2018 年 10 月 30 日
• フランクフルト (eu-de): 2018 年 10 月 30 日
• ワシントン DC (us-east): 2018 年 6 月 12 日
• シドニー (au-syd): 2018 年 5 月 15 日

IAM 認証への移行による影響は、新規のサービス・インスタンスと既存のサービス・インスタンスとで異なります。

• 任意のロケーションで作成したすべての新規サービス・インスタンスが、IAM 認証を使用してサービスにアクセスするようになりました。 ベアラー・トークンまたは API キーのいずれかを渡すことができます。 トークンでは、認証済み要求がサポートされるので、呼び出すたびにサービス資格情報を埋め込む必要がありません。また、API キーでは HTTP 基本認証が使用されま用します。 Watson SDK を使用する場合は、API キーを渡して SDK にトークンのライフサイクルを管理させることができます。
• 示されているマイグレーション日付よりも前にロケーションで作成した既存のサービス・インスタンス では、IAM 認証を使用するようにマイグレーションするまで、引き続き以前の Cloud Foundry サービス資格情報からの {username} および {password} が認証に使用されます。

詳しくは、以下の資料を参照してください。

• サービスインスタンスがどの認証メカニズムを使用しているかを確認するには、 IBM Cloud ダッシュボードでインスタンスをクリックし、サービスの認証情報を表示してください。
• Watson サービスでの IAM トークンの使用について詳しくは、Watson サービスに対する認証を参照してください。
• IAM認証を使用する例については、 APIおよびSDKリファレンスを参照してください。

ワシントン DC (us-east) でホストされているアプリケーションで以下の機能が有効になっています。

• サービスでは、新しい API 認証プロセスがサポートされるようになりました。 詳しくは、2018 年 10 月 30 日のサービス更新を参照してください。
• サービスでは、X-Watson-Metadata ヘッダーおよび DELETE /v1/user_data メソッドがサポートされるようになりました。 詳しくは、 機密保護を参照してください。

シドニー (au-syd) でホストされているアプリケーションで以下の機能が有効になっています。

• サービスでは、新しい API 認証プロセスがサポートされるようになりました。 詳しくは、2018 年 10 月 30 日のサービス更新を参照してください。
• サービスでは、X-Watson-Metadata ヘッダーおよび DELETE /v1/user_data メソッドがサポートされるようになりました。 詳しくは、 機密保護を参照してください。

• POST /v1/customizations メソッドが、(200 ではなく) 201 を返すようになりました。
• POST /v1/customizations/{customization_id} メソッドが、(201 ではなく) 200 を返すようになりました。
• POST /v1/customizations/{customization_id}/words メソッドが、(201 ではなく) 200 を返すようになりました。
• PUT /v1/customizations/{customization_id}/words/{word} メソッドが、(201 ではなく) 200 を返すようになりました。

es-LA_SofiaVoice 音声の中南米バージョンである新しい音声 es-US_SofiaVoice がサービスに追加されました。 2 つの音声の最も重要な違いは、$ (ドル記号) の解釈に関するものです。ラテン・アメリカ版ではペソという用語を使用し、北米版ではドラレスという用語を使用します。 他にもこの 2 つの音声には小さな違いが存在します。

en-US_AllisonVoice に加えて、en-US_LisaVoice と en-US_MichaelVoice という 2 つの音声が SSML 音声変換で変換可能になりました。

日本語でカスタマイズ・インターフェースを使用する場合、サービスは、カスタム・モデルに対して定義されている単語/トランスレーションのペアの中で最も長い単語と一致するようになりました。 例えば、カスタム・モデルの以下の 2 つの項目について考えてみます。

{
  "words": [
    {"word":"ＮＹ", "translation":"ニューヨーク", "part_of_speech":"Mesi"},
    {"word":"ＮＹＣ", "translation":"ニューヨークシティ", "part_of_speech":"Mesi"}
  ]
}

このサービスが入力テキストの中から「 ＮＹＣ 」という文字列を見つけた場合、「 ＮＹ 」よりも長い一致となるため、その単語と一致するとみなされます。 以前は、このサービスは「 ＮＹ 」という文字列に一致していたでしょう。 カスタムモデルにおける日本語エントリの取り扱いに関する詳細については、「 日本語エントリの取り扱い 」を参照してください。

サービスでは、テキストから音声を合成するための WebSocket インターフェースが提供されるようになりました。 このインターフェースには、HTTP インターフェースの /v1/synthesize メソッドと同じ機能が用意されています。 プレーン・テキスト、または SSML でマークアップされたテキストが受け入れられます。 さらに、SSML の<mark> 要素を使用して、マークの前にあるすべてのテキストの合成が終了した音声の時間を識別することもできます。 詳しくは、WebSocket インターフェースを参照してください。

サービスでは、SSML でアノテーションが付けられたテキストが、カスティリャ・スペイン語、北米スペイン語、イタリア語、ブラジル・ポルトガル語でサポートされるようになりました。 米国英語、英国英語、フランス語、およびドイツ語では、SSML の使用は既にサポートされています。 この更新時点で、サービスでは日本語以外のすべての言語で SSML がサポートされています。 さらに、IBM SPR 表記と IPA 表記の両方を使用して、SSML<phoneme> エレメントで単語の発音を定義できます。 詳しくは、SSML についておよび表音記号についてを参照してください。

米国英語の場合、SSML の<phoneme>要素を使用して、カスタム・モデル内に単語項目を作成することもできます。カスタマイズは米国英語でのみサポートされます。 詳しくは、カスタマイズの理解を参照してください。

サービスでは、最もよく使用される音声について、感情表出および自然らしさが改善されています。 この改善は、入力テキストからの RNN (Recursive Neural Network) ベースの韻律予測に基づいています。 これらは以下の言語について、新しいサービス・エンジンおよび音声モデルの更新として使用できます。

• en-US_AllisonVoice
• en-US_LisaVoice
• en-US_MichaelVoice
• es-ES_EnriqueVoice
• fr-FR_ReneeVoice

GET /v1/pronunciation メソッドでは、オプションの customization_id クエリー・パラメーターが受け入れられるようになりました。 このパラメーターは、指定されたカスタム・モデルから単語翻訳を取得します。 カスタム・モデルに単語が含まれていない場合、メソッドは単語のデフォルトの発音を返します。 詳細については、APIとSDKのリファレンスを参照してください。

米国英語以外の言語で、カスタマイズ ID を指定せずに GET /v1/pronunciation メソッドを使用する場合、IBM SPR 表記のみで単語の発音を要求できます。 米国英語以外の言語では、このメソッドの spr オプションとともに format を指定する必要があります。

サポートされる音声フォーマットのリストに、audio/basic が追加されました。このフォーマットは、サンプリング・レート 8 KHz で 8 ビットの u-law (mu-law) データを使用してエンコードされた単一チャネル音声を生成します。 詳しくは、音声フォーマットの使用を参照してください。

HTTP および WebSocket の /v1/synthesize メソッドは、要求に含まれていた無効な照会パラメーターまたは JSON フィールドに関するメッセージが入った warnings 応答を返すことがあります。 この警告のフォーマットが変更されました。 以前のフォーマットの例を以下に示します。

"warnings": "Unknown arguments: [u'{invalid_arg_1}', u'{invalid_arg_2}']."

同じ警告が以下のフォーマットに変更されました。

"warnings": "Unknown arguments: {invalid_arg_1}, {invalid_arg_2}."

サービスに、入力に含まれている一般的ではない単語の発音方法を指定するために使用できる新規カスタマイズ・インターフェースが追加されました。 このインターフェースには、カスタムモデルや、そこに含まれる単語と翻訳のペアを作成・管理するために使用できる新しいメソッドがいくつか用意されています。 テキストを音声に合成する際に、作成したカスタム・モデルを使用できます。

サービスで同音異字トランスレーションと表音トランスレーションがサポートされるようになりました。 表音トランスレーションでは、標準の International Phonetic Alphabet (IPA) 表記または IBM 専有の Symbolic Phonetic Representation (SPR) のいずれかを使用できます。 表音トランスレーションを指定するには、SSML を使用します。

カスタマイズ・インターフェースは、POST /v1/customizations、POST /v1/customizations/{customization_id}、POST /v1/customizations/{customization_id}/words、および PUT /v1/customizations/{customization_id}/words/{word} という一連の新規 HTTP メソッドを備えています。 また、任意の単語の発音を返す新しい GET /v1/pronunciation メソッドと、特定の音声に関する詳細情報を返す新しい GET /v1/voices/{voice} メソッドも導入されました。 さらに、サービスのインターフェースの既存のメソッドは、必要に応じてカスタム・モデル・パラメーターを受け入れるようになりました。

カスタマイズとそのインターフェイスの詳細については、「Understanding customization」および「API and SDK reference」を参照してください。

カスタマイズ・インターフェースは、米国英語でのみ現在サポートされるベータ・リリースです。 現時点では、すべてのカスタマイズ方式およびGET /v1/pronunciation方式を使用して、米国英語でのみカスタム・モデルおよび単語の翻訳を作成および操作できます。

女性の声でブラジル・ポルトガル語の音声を合成できる新しい音声 pt-BR_IsabelaVoice がサポートされるようになりました。 詳しくは、言語と音声を参照してください。

2 つの新しいベータ・モバイル Software Development Kit (SDK) が音声サービスで使用可能になりました。 これらの SDK を使用すると、モバイル・アプリケーションで Text to Speech サービスと Speech to Text サービスの両方と対話できるようになります。 SDK を使用して、Text to Speech サービスにテキストを送信したり、音声応答を受け取ったりできます。

• Watson （ Swift ）SDKは、 GitHub の watson-developer-cloud 名前空間にある swift-sdk リポジトリから入手できます。
• Watson 演説 Android™ SDK は、 GitHub の watson-developer-cloud 名前空間にある speech-android-sdk リポジトリ から入手できます。

いずれの SDK でも、IBM Cloud サービス資格情報または認証トークンを使用した音声サービスへの認証のサポートが提供されます。 SDKはベータ版機能であるため、今後変更される可能性があります。

サービスでは、新規言語の日本語がサポートされるようになりました。 音声 ja-JP_EmiVoice は日本語の女性の声です。

このサービスは、2015 年 7 月 1 日にベータ版から一般出荷版 (GA) に移行しました。 Text to Speech APIのベータ版とGA版の間には、以下の違いがあります。 GA リリースにより、ユーザーはサービスの新しいバージョンにアップグレードする必要があります。

新規プログラミング・モデルにより、クライアントとサービス間の直接対話がサポートされるようになりました。 クライアントは、このモデルを使用して、サービスと直接通信するための認証トークンを取得できます。 トークンを使用すれば、IBM Cloud のサーバー・サイドのプロキシー・アプリケーションがクライアントの代わりにサービスを呼び出す必要はなくなります。 トークンは、クライアントがサービスと対話する優先手段です。

サービスでは引き続き、クライアントとサービス間での通信およびデータの中継についてサーバー・サイドのプロキシーに依拠していた古いプログラミング・モデルがサポートされます。 ただし、新しいモデルの方が効率的であり、スループットも高くなります。

SSML (Speech Synthesis Markup Language) を HTTP GET および POST バージョンの /v1/synthesize メソッドに渡すことができるようになりました。 SSML は、Text to Speech サービスなどの音声合成アプリケーションにテキストのアノテーションを提供するために設計された XML ベースのマークアップ言語です。 SSML 入力をサービスに渡す方法について詳しくは、入力テキストの指定を参照してください。

サービスによる SSML の使用の初期サポートは、英国英語、米国英語、フランス語、およびドイツ語の各言語に対してのみ提供されます。 サービスでは、SSML のイタリア語およびスペイン語での使用はサポートされません。 SSML を使用する際には、サポートされない言語の音声を選択していないことを確認してください。 選択した場合は、意味のない結果になります。

変更・拡張された合成音声でサポートされている音声。 このサービスでは、 /v1/synthesize メソッドを使用して、他にもいくつかの音声、言語、方言に対応するようになりました。 サポートされる音声について詳しくは、言語と音声を参照してください。

ベータで提供されていた以下の 3 つの音声の名前が、GA 向けに変更されました。

• VoiceEnUsMichaelからen-US_MichaelVoiceに変更
• VoiceEnUsLisaからen-US_LisaVoiceに変更
• VoiceEsEsEnriqueからes-ES_EnriqueVoiceに変更

ベータ版のサービスでは、そのベータ版が提供されている限りは、以前の音声の名前を (-beta API エンドポイントを介して) 使用できます。 ただし、サービスの GA 版では、新規名を使用する必要があります。

Free Lossless Audio Codec (FLAC) フォーマットの音声を返すようにサービスに要求できるようになりました。 引き続き Opus コーデックを使用した Ogg フォーマット (デフォルト) および Waveform Audio ファイル・フォーマット (WAV) の音声を返すこともできます。 /v1/synthesizeメソッドで音声フォーマットを使用する方法について詳しくは、音声フォーマットの使用を参照してください。

HTTP /v1/synthesize 要求の URL および HTTP GET 要求の本体に指定して POST メソッドに送信するテキストのサイズの制限が、最大 5 KB になりました。 ベータ版では、テキストの最大サイズは 4 MB でした。

/v1/synthesize メソッドに、ヘッダー X-WDC-PL-OPT-OUT が含まれるようになりました。このヘッダーは、サービスで操作のテキストおよび音声の結果を使用して将来の結果を改善するかどうかを制御します。 サービスがテキストおよび音声の結果を使用しないようにするには、このヘッダーに値 1 を指定します。 このパラメーターは、現在の要求にのみ適用されます。 ベータ版のメソッドの X-logging ヘッダーは新しいヘッダーによって置き換えられています。 詳しくは、Watson サービスの要求ロギングの制御を参照してください。

/v1/synthesize メソッドの以下のエラー・コードが変更されました。

• エラー・コード 406 ("許容できません。 サポートされない MIME タイプです。") 削除されます。
• エラー・コード 415 (「サポートされないメディア・タイプ」) が追加されました。
• エラー・コード 503 (「サービスを利用できません」) が追加されました。

GET /v1/voices メソッドの以下のエラー・コードが変更されました。

• エラー・コード 406 ("許容できません。 サポートされない MIME タイプです。") 削除されます。
• エラー・コード 415 (「サポートされないメディア・タイプ」) が追加されました。