Text to Speech for IBM Cloud Pak for Data のリリース・ノート

IBM Cloud Pak for Data

IBM Watson® Text to Speech for IBM Cloud Pak for Data のインストール済みインスタンスまたはオンプレミス・インスタンスの各リリースおよび更新には、以下の機能および変更が含まれています。特に断りのない限り、変更はすべて前のリリースと互換性があり、すべての新規および既存のアプリケーションで自動的かつ透過的に使用可能になっています。

サービスの既知の制限事項については、既知の制限事項を参照してください。

IBM Cloud のサービスのリリースおよび更新については、『Text to Speech for IBM Cloud のリリース・ノート』を参照してください。

2024年10月30日（バージョン 4.8.7 ）

バージョン 4.8.7: Speech to Text for IBM Cloud Pak for Data version 4.8.7 が利用可能になった。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

2024年9月25日（バージョン 5.0.3 ）

バージョン 5.0.3: Speech to Text for IBM Cloud Pak for Data version 5.0.3 が利用可能になった。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

2024年8月28日（バージョン 4.8.6 ）

バージョン 4.8.6: Speech to Text for IBM Cloud Pak for Data version 4.8.6 が利用可能になった。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

2024年8月28日（ 5.0.2 ）

バージョン 5.0.2: Speech to Text for IBM Cloud Pak for Data version 5.0.2 が利用可能になった。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

2024年7月31日（ 5.0.1 ）

バージョン 5.0.1: Speech to Text for IBM Cloud Pak for Data version 5.0.1 が利用可能になった。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

2024年6月19日（ 5.0.0 ）

バージョン 5.0.0: Speech to Text for IBM Cloud Pak for Data version 5.0.0 が利用可能になった。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

2024年4月24日（バージョン 4.8.5 ）

バージョン 4.8.5: Speech to Text for IBM Cloud Pak for Data version 4.8.5 が利用可能になった。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

2024年3月27日（バージョン 4.8.4 ）

バージョン 4.8.4: Speech to Text for IBM Cloud Pak for Data version 4.8.4 が利用可能になった。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

2024年2月28日（バージョン 4.8.3 ）

バージョン 4.8.3: Speech to Text for IBM Cloud Pak for Data version 4.8.3 が利用可能になった。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

2024年1月31日（ 4.8.2 ）

バージョン 4.8.2: Speech to Text for IBM Cloud Pak for Data version 4.8.2 が利用可能になった。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

2023年11月30日（ 4.8.0 ）

バージョン 4.8.0: Speech to Text for IBM Cloud Pak for Data version 4.8.0 が利用可能になった。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

2023年9月27日（バージョン 4.7.3 ）

バージョン 4.7.3: Speech to Text for IBM Cloud Pak for Data version 4.7.3 が利用可能になった。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

2023年7月28日（バージョン 4.7.1 ）

バージョン 4.7.1: Speech to Text for IBM Cloud Pak for Data version 4.7.1 が利用可能になった。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

2023年6月9日（ 4.7.0 ）

バージョン 4.7.0: Speech to Text for IBM Cloud Pak for Data version 4.7.0 が利用可能になった。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

2023 年 5 月 2 日 (バージョン 4.6.5)

バージョン 4.6.5

Text to Speech for IBM Cloud Pak for Data version 4.6.5 が利用可能になった。このバージョンは IBM Cloud Pak for Data バージョン 4.6.x と Red Hat OpenShift バージョン 4.10 と 4.12 をサポートしています。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

新しいオーストラリア英語表現のニューラル音声

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。新しいボイスは、プロダクションで使用するために一般的に利用可能（GA）です。標準の International Phonetic Alphabet (IPA) と IBM Symbolic Phonetic Representation (SPR) の両方の表音記号の使用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

新しい韓国語拡張ニューラル音声

このサービスでは、韓国語の新しい拡張ニューラル音声 ko-KR_JinV3Voice がサポートされ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 International Phonetic Alphabet (IPA) と IBM Symbolic Phonetic Representation (SPR) の両方の表音記号の使用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

オランダ語拡張ニューラル・ボイス

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 International Phonetic Alphabet (IPA) と IBM Symbolic Phonetic Representation (SPR) の両方の表音記号の使用をサポートしています。

新しい音声は、SSML のサポートの完了を保留するベータ機能です。初期リリースでは、音声は以下の SSML 関連機能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。

Speech サービス・カスタム・リソースの新しい環境変数

この資料には、 ${CUSTOM_RESOURCE_SPEECH} という名前の環境変数を作成する手順が記載されています。新しい変数を cpd_vars.sh スクリプトに追加し、ご使用の環境でその変数を使用するためのソースをスクリプトに設定します。詳しくは、 Watson Speech サービスのインストールの「 このタスクを実行するために必要な情報 」を参照するか、Speech サービスのいずれかのアップグレード・トピックを参照してください。

問題点の修正: カナダ・フランス語の音声で数値が適切に処理されるようになりました。

問題点の修正: カナダ・フランス語の音声で時刻が 19:41 のように正しく発音され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: 日本語の音声で予期しない音声が挿入されなくなった

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、特定のケースで追加の音声が挿入されていました。

問題点の修正: 資料内の韓国語の表音記号の更新

問題点の修正: 韓国語の SPR 記号の資料で、子音の 2 文字の記号が単一引用符で囲まれ、単一の記号になりました。以前は、引用符で囲まずに 2 つの別個の記号として示されていました。詳しくは、 Consonants(韓国語) を参照してください。

IBMSPR シンボルのドキュメントの更新

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。

対処されたセキュリティー脆弱性

以下のセキュリティー脆弱性が修正されました。

2023 年 3 月 29 日 (バージョン 4.6.4)

バージョン 4.6.4

Text to Speech for IBM Cloud Pak for Data version 4.6.4 が利用可能になった。このバージョンは IBM Cloud Pak for Data バージョン 4.6.x と Red Hat OpenShift バージョン 4.10 と 4.12 をサポートしています。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

重要: バージョン 4.6.3 または 4.6.4 にアップグレードする前にデータをバックアップしてください。

重要: Watson Speech サービスのバージョン 4.6.3 または 4.6.4にアップグレードする前に、データのバックアップを作成する必要があります。バックアップを安全な場所に保存します。 Watson Speech サービス・データのバックアップについて詳しくは、 Watson Speech サービスの管理の「 * Watson Speech サービス・データのバックアップとリストア* 」を参照してください。このトピックには、必要になった場合のデータのリストアに関する情報も含まれています。

問題点の修正: 拡張インストール・オプションを使用して、インストール済みのモデルと音声を変更できるようになりました。

問題の修正: インストール中に、コマンド・ライン・インターフェースの拡張インストール・オプションを使用して、さまざまなモデルまたは音声を指定できるようになりました。以前は、サービスは常にデフォルトのモデルと音声をインストールしていました。この制限は、 Watson Speech サービスのバージョン 4.6.0、 4.6.2、および 4.6.3に引き続き適用されます。モデルおよび音声のインストールについては、 Watson Speech サービスのインストールの「 追加インストール・オプションの指定 」を参照してください。

ロード・バランサーのタイムアウトの設定

Watson Speech サービスでは、サーバーとクライアントの両方のロード・バランサー・タイムアウト設定を 300 秒に変更する必要があります。これらの設定により、長い音声を持つ、または難しい音声を持つ、長時間実行される音声認識要求を完了するための十分な時間が確保されます。詳しくは、 Watson Speech サービスのインストールの「 このタスクを実行するために必要な情報 」を参照してください。

IBMSPR シンボルのドキュメントの更新

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。

対処されたセキュリティー脆弱性

以下のセキュリティー脆弱性が修正されました。

2023 年 2 月 23 日 (バージョン 4.6.3)

バージョン 4.6.3

Text to Speech for IBM Cloud Pak for Data version 4.6.3 が利用可能になった。このバージョンは IBM Cloud Pak for Data バージョン 4.6.x と Red Hat OpenShift バージョン 4.10 をサポートしています。 Red Hat OpenShift バージョン 4.8 はサポートされなくなりました。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

既知の問題: 拡張インストール・オプションを使用して、インストール済みのモデルおよび音声を変更することはできません。

既知の問題: 現在、拡張インストール・オプションで別のモデルや音声を指定することはできません。サービスは常にデフォルトのモデルと音声をインストールします。インストール後のモデルの変更については、 Watson Speech services on IBM Cloud Pak for Dataの 「管理」 トピックの 「 Watson Speech サービスの更新」 を参照してください。

既知の問題: バージョン 4.6.3 へのアップグレードが完了しないことがある

既知の問題: バージョン 4.6.3にアップグレードすると、 MinIO バックアップ・ジョブが完了時に削除されないことがあります。これが発生した場合、解決策はジョブを削除することです。その後、アップグレードは正常に続行されます。以下の手順で問題を解決してください。

MinIO バックアップ・ジョブが削除されないままになっているかどうかを判別するには、次のコマンドを発行します。
```
oc get job --namespace {${PROJECT_CPD_INSTANCE} | grep speech-cr-ibm-minio-backup
```
削除されない MinIO ジョブは、以下の形式のエントリーによって識別されます。
```
speech-cr-ibm-minio-backup   1/1   3m25s   1d
```
MinIO バックアップ・ジョブを削除するには、次のコマンドを発行します。
```
oc delete job speech-cr-ibm-minio-backup --namespace ${PROJECT_CPD_INSTANCE}
```

バックアップ・ジョブが削除されると、アップグレードが続行され、完了します。

サービス・インスタンスの処理に関する追加情報

この資料には、コマンド・ライン・インターフェース (cpl-cli) を使用したサービス・インスタンスの作成、およびサービス・インスタンスの管理に関する情報が含まれるようになりました。詳しくは、 Watson Speech services on IBM Cloud Pak for Dataの以下のトピックを参照してください。

インストール後のセットアップ の下の Watson Speech サービス・インスタンスの作成
「管理」の「 * Watson Speech サービス・インスタンスの管理* 」

問題点の修正: ベータ版の「Tune by Example」が使用可能になりました。

不具合を修正しました： ベータ版の Tune by example 機能が Text to Speech for IBM Cloud Pak for Data で利用可能になりました。以前は、話者モデルを作成することはできませんでした。

問題点の修正: <say-as> エレメントを使用して大きい基数を指定しても、英語の音声でエラーが発生しなくなりました。

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、属性 interpret-as="cardinal" を使用して <say-as> エレメントに大きな数を含めると、英語の音声の音声合成が失敗する可能性がありました。例えば、 <say-as interpret-as="cardinal">3,200</say-as> と指定すると、サービスがエラーを生成する可能性があります。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: 同音異義語およびその他の単語が英語の音声で正しく発音されるようになりました

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 や wifi などの単語は英語の音声で誤って発音される可能性がありました。

対処されたセキュリティー脆弱性

以下のセキュリティー脆弱性が修正されました。

セキュリティー情報: IBM Watson Speech Services Cartridge for IBM Cloud Pak for Data は、Pypa Setuptools(CVE-2022-40897)のサービス妨害に対して脆弱です。

2023 年 1 月 30 日 (バージョン 4.6.2)

バージョン 4.6.2

Text to Speech for IBM Cloud Pak for Data version 4.6.2 が利用可能になった。このバージョンは IBM Cloud Pak for Data バージョン 4.6.x と Red Hat OpenShift バージョン 4.8 と 4.10 をサポートしています。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

カスタム・リソースに新しい fileStorageClass プロパティーが含まれるようになりました。

Watson Speech サービスのカスタム・リソースに、既存の blockStorageClass プロパティーに加えて fileStorageClass プロパティーが含まれるようになりました。サービスをインストールまたはアップグレードするときに、ブロック・ストレージ・クラスとファイル・ストレージ・クラスの両方を指定します。前のバージョンからのアップグレード中に、 cli manage apply-cr コマンドの --file_storage_class オプションによって、新しいプロパティーがカスタム・リソースに自動的に追加されます。

サポートされる各ストレージ・ソリューションで使用できるブロック・ストレージ・クラスおよびファイル・ストレージ・クラスについて詳しくは、 Watson Speech services on(音声サービス)IBM Cloud Pak for Dataの「 Watson Speech サービスのインストール」ページの このタスクを完了するために必要な情報 にある ストレージ要件 の表を参照してください。

サービス・インスタンスのプロビジョニングに関する追加情報

この資料には、サービス・インスタンスのプログラマチックな作成に関する情報が含まれるようになりました。また、サービス・インスタンスのリストおよびサービス・インスタンスの削除の例も含まれています。詳しくは、 Watson Speech services on IBM Cloud Pak for Dataの「 インストール後のセットアップ 」資料の「 * Watson Speech サービス・インスタンスの作成* 」を参照してください。

MinIO データ・ストアに対してサーバー・サイドの暗号化が有効になっている

これで、Speech サービスは、 MinIO データ・ストア内のオブジェクト・ストレージのサーバー・サイド暗号化を有効にしました。アクションは必要ありません。

監査 Webhook の変更

これで、Speech サービスは監査 Webhook 依存関係を削除しました。サービスは、監査イベントをサーバーに直接書き込むようになりました。バージョン 4.6.2にアップグレードした後、すべてのサービスが依存関係を削除できるようになるまで、一部の Webhook リソースが残っている場合があります。残りのリソースは、将来のリリースで除去されます。アクションは必要ありません。

新しい米国英語表現のニューラル音声

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の新しい発話スタイル

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。彼らが生み出しているスピーチは、非常に会話的なスタイルに加え、テキストの雰囲気を反映しています。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。

表現力のあるニューラル音声による新しい交互作用の強調

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。

表現力のあるニューラル・ボイスを持つ新出の単語「emphais」

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。

サービスは、より厳密な SSML 検証を実施するようになりました。

サービスでは、Speech Synthesis Markup Language (SSML) 要素を含む入力テキストの検証がより厳格に行われるようになりました。属性の必須エレメントは、有効な値を使用して指定する必要があります。それ以外の場合、要求は 400 エラー・コードで失敗します。 SSML 検証、およびマークアップ・テキストが満たす必要がある要件について詳しくは、 SSML 検証を参照してください。

問題点の修正: en-US_MichaelExpressive 音声にリストされている性別が正しくなりました。

問題点の修正: 使用可能な音声に関する情報をリストすると、 en-US_MichaelExpressive 音声の gender が male になります。以前は、音声の性別は誤って female と記述されていました。詳しくは、音声に関する情報のリストを参照してください。

対処されたセキュリティー脆弱性

以下のセキュリティー脆弱性が修正されました。

2022 年 11 月 30 日 (バージョン 4.6.0)

バージョン 4.6.0

Text to Speech for IBM Cloud Pak for Data version 4.6.0 が利用可能になった。このバージョンは IBM Cloud Pak for Data バージョン 4.6.x と Red Hat OpenShift バージョン 4.8 と 4.10 をサポートしています。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

Amazon Web Services (AWS) がサポートされるようになりました。

Watson Speech services for IBM Cloud Pak for Data は、 Amazon Web Services™ (AWS™) でサポートされるようになりました。サービスは Amazon Elastic Block Storeをサポートします。これは、Speech サービス・カスタム・リソースの blockStorageClass プロパティーを gp2-csi または gp3-csi に設定することで指定します。

新しいストレージ・クラスがサポートされるようになりました。

Watson IBM Cloud Pak for Data の Speech サービスは、以下の 2 つの追加ストレージ・クラスをサポートするようになりました。

IBM Cloud Block Storage (ibmc-block-gold)
NetApp Trident (ontap-nas)

ストレージ・クラスは、Speech サービス・カスタム・リソースの blockStorageClass プロパティーを使用して指定します。サポートされるすべてのストレージ・クラスについて詳しくは、 Watson Speech services on IBM Cloud Pak for Dataの以下のトピックを参照してください。

「 * Watson Speech サービスのインストール* 」の「 始める前に 」
「 * Watson Speech サービス・カスタム・リソースの使用* 」の「 ストレージ・クラスの指定 」

既知の問題: 一部の Watson Speech サービス・ポッドに、スケジューリングに使用されるアノテーションがない

既知の問題: 一部の Watson Speech サービス・ポッドで cloudpakInstanceId アノテーションが欠落しています。 IBM Cloud Pak for Data スケジューリング・サービスを使用する場合、 cloudpakInstanceId アノテーションのない Watson Speech サービス・ポッドはすべて、以下のようになります。

スケジューリング・サービスではなく、デフォルトの Kubernetes スケジューラーによってスケジュールされます。
割り当て量制約に含まれない

PostgreSQL データ・ストアのモニターが使用可能になりました

PostgreSQL データ・ストアのモニターを有効にして、 Watson Speech サービスによってその使用量と状況に関する更新を受け取ることができるようになりました。イベントは、 Prometheus モニター・ソフトウェアまたはモニターに使用する任意のアプリケーションによってコンシュームできます。デフォルトのプラットフォーム監視に加え、ユーザー定義プロジェクトの監視を有効にすることで、 Red Hat® OpenShift® Container Platform 監視スタックを使用して独自のプロジェクトを監視できます。この機能には、Speech サービス・カスタム・リソースに追加プロパティー spec.global.datastores.postgressql.enablePodMonitor が含まれています。

詳しくは、 Watson Speech services on IBM Cloud Pak for Dataの「管理」セクションにある「 * Watson Speech サービスの PostgreSQL データ・ストアのモニター* 」トピックを参照してください。

問題点の修正: ランタイム・マイクロサービスのみが有効になっている場合、 PostgreSQL データ・ストアはインストールされなくなりました。

問題点の修正: ランタイム・マイクロサービスのみが有効になっている場合、 PostgreSQL データ・ストアはインストールされなくなりました。これで、 sttAsync、 sttCustomization、または ttsCustomization マイクロサービスの少なくとも 1 つがインストールされている場合にのみ、データ・ストアがインストールされます。後日これらのマイクロサービスが無効になった場合、 PostgreSQL はアンインストールされません。

バージョン 4.6.0より前では、 PostgreSQL は常に Speech サービスとともにインストールされていました。バージョン 4.6.0より前の Speech サービスのランタイム・マイクロサービスのみを使用していた既存のお客様の場合、 PostgreSQL はインストールされたままですが、使用されません。この場合、 PostgreSQL のインストールはアップグレード後も保持されます。

ランタイム・マイクロサービスが依存するため、 MinIO データ・ストアは常にインストールされます。 RabbitMQ データ・ストアは、 sttAsync マイクロサービスがインストールされている場合にのみインストールされます。

詳しくは、「 Watson Speech services on IBM Cloud Pak for Data」の「 * Watson Speech サービス・カスタム・リソースの使用* 」の「 データ・ストア・プロパティー 」を参照してください。

問題の修正: PostgreSQL オペレーターがオペランドをモニターするためにネットワーク・ポリシーを作成する必要がなくなりました。

問題点の修正: バージョン 4.6.0の場合、「2022 年 11 月 10 日(バージョン 4.0.x および 4.5.x)」サービス更新で説明されているように、 PostgreSQL オペレーターがそのオペランドをモニターできるようにするためのネットワーク・ポリシーを作成する必要はありません。バージョン 4.6.0以降では、このシチュエーションはサービスによって自動的に処理されます。

グローバル発言率を制御するための新しいベータ rate_percentage 照会パラメーター

このサービスには、音声合成要求の発話速度を変更するための新しい rate_percentage 照会パラメーターが用意されています。発話速度とは、音声に合成するテキストをサービスが発話する速度のことです。速度が高いほど、テキストの発話速度が速くなります。速度が低いほど、テキストの発話速度が遅くなります。このパラメーターは、要求全体の音声ごとのデフォルト・レートを変更します。詳しくは、発話速度の変更を参照してください。

グローバル発話ピッチを制御するための新しいベータ pitch_percentage 照会パラメーター

このサービスには、合成要求の発話ピッチを変更するための新しい pitch_percentage 照会パラメーターが用意されています。発話ピッチは、サービスが合成する発話のトーンを表します。これは、声のトーンがリスナーによって認識される高さまたは低さを表します。高いピッチは、高いトーンで発話され、高い音声として認識されます。低いピッチは、低いトーンで発話され、低い声として認識されます。このパラメーターは、要求全体の音声ごとのデフォルト・ピッチを変更します。詳しくは、発話ピッチの変更を参照してください。

問題点の修正: カスタム・ワードの翻訳で、すべてのケースでコンマが受け入れられるようになりました。

問題点の修正: カスタム・モデルに追加された Word 翻訳は、すべてのケースでコンマを受け入れるようになりました。以前は、トランスレーションでコンマを使用すると、そのトランスレーションが音声合成に使用されるときに有効な音声を生成できないことがありました。この問題は、米国英語のカスタム・モデルで識別されました。

問題点の修正: フランス語による日付の合成に一貫性がある

問題点の修正: フランス語の合成には、「the ordinal of month」という形式の日付の前の記事「le」は含まれなくなりました。以前は、この記事はフランス語の月の初日にのみ含まれていました (例えば、「9 月 1 日」「ル・プレミア・セプテンブレ」)。

問題点の修正: 入力テキストの長いストリングを処理するために日本語の合成が改善されました。

問題点の修正: サービスは、長い文字列を含む日本語の要求を正しく合成するようになりました。以前は、サービスは非常に長い日本語テキストのストリングを適切に合成できませんでした。

問題点の修正: カスタム・モデルの命名規則の追加に関する資料

問題点の修正: 資料に、カスタム・モデルの命名に関する詳細な規則が記載されるようになりました。詳しくは、以下を参照してください

対処されたセキュリティー脆弱性

以下のセキュリティー脆弱性が修正されました。

2022 年 11 月 10 日 (バージョン 4.0.x および 4.5.x)

既知の問題: PostgreSQL オペレーターに必要なネットワーク・ポリシーの更新

既知の問題: Speech サービスのバージョン 4.0.x (バージョン 4.0.0を含まない) および 4.5.xの場合、 PostgreSQL オペレーターと Speech サービスが異なる名前空間にインストールされていると、 PostgreSQL オペレーターは Speech サービスの PostgreSQL オペランドをモニターできません。オペレーターは、Speech サービス用に設定されているネットワーク・ポリシーによってオペランドをモニターできません。

この問題は、 PostgreSQL クラスターの正常な機能を妨げるものではありません。クラスターはアクティブのままで、完全に機能します。ただし、新しいバージョンの Speech サービスにアップグレードすると、オペレーターはオペランドを更新できません。

この問題の解決策は、以下のステップに示すように、 PostgreSQL オペレーター用の追加のネットワーク・ポリシーを作成することです。これらのステップは、 PostgreSQL オペレーターが Speech サービスと同じ名前空間にインストールされているか、別の名前空間にインストールされているかに関係なく実行できます。

Speech サービスがインストールされている Red Hat® OpenShift® プロジェクトの管理者としてログインします。
以下のコマンドを入力して、Speech サービスのネットワーク・ポリシーを更新します。
```
cat << EOF | oc apply -f -
apiVersion: networking.k8s.io/v1
kind: NetworkPolicy
metadata:
  labels:
    app.kubernetes.io/component: stt
    app.kubernetes.io/instance: {{ <custom-resource-name> }}
    app.kubernetes.io/name: speech-to-text
    release: {{ <custom-resource-name> }}
  name: <custom-resource-name>-postgres-network-policy
  namespace: {{ <cpd-instance-namespace> }}
spec:
  ingress:
  - from:
    - namespaceSelector: {}
      podSelector:
        matchLabels:
          app.kubernetes.io/name: cloud-native-postgresql
EOF
```
ここで
- <custom-resource-name> はスピーチサービスのカスタムリソース名です。バージョン 4.0.x の推奨名は speech-prod-cr です。バージョン 4.5.x の推奨名は speech-cr です。
- <cpd-instance-name> は、Speechサービスがインストールされているプロジェクト（名前空間）の名前です。資料では、環境変数 ${PROJECT_CPD_INSTANCE} を使用して名前空間を識別します。
更新されたネットワーク・ポリシーによってオペレーターがオペランドをモニターできること、および PostgreSQL クラスターが正常な状態であることを確認するには、以下のコマンドを入力します。ここで、 <custom-resource-name> および <cpd-instance-name> は前のステップで使用した値です。
```
oc -get cluster {{ <custom-resource-name> }}-postgres -n {{ <cpd-instance-namespace> }}
```
PostgreSQL クラスターが正常に機能している場合、このコマンドは以下のような出力を生成します。
```
NAME                 AGE   INSTANCES   READY   STATUS                     PRIMARY
speech-cr-postgres   14d   3           3       Cluster in healthy state   speech-cr-postgres-1
```

これらのステップによって、オペレーターがオペランドを最新バージョンに更新することはありません。ただし、次に Speech サービス・ソフトウェアをアップグレードするときに、予期したとおりにオペランドがアップグレードされます。

2022 年 10 月 13 日 (バージョン 4.5.3)

バージョン 4.5.3

Text to Speech for IBM Cloud Pak for Data version 4.5.3 が利用可能になった。このバージョンは、 IBM Cloud Pak for Data バージョン 4.5.x と Red Hat OpenShift バージョン 4.6、 4.8、 4.10 をサポートしています。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

Speech サービスの監査イベントが使用可能です

IBM Cloud Pak for Data 監査ロギング・サービスは、 Speech to Text サービスと Text to Speech サービスの両方の監査イベントを生成および転送します。監査イベントは、 Activity Tracker で使用可能なイベントとパブリック・サービスで一致します。詳しくは、監査イベントを参照してください。

個別の Speech サービス・コンポーネントをアンインストールすることはできません。

この資料では、個々のサービス・コンポーネント (マイクロサービス) をいったんインストールするとアンインストールできないことが注記されるようになりました。以下のコンポーネントのいずれかを削除するには、 Watson全体をアンインストールし、必要なコンポーネントのみを再インストールする必要があります。 Speech to Text ランタイム、 Speech to Text 非同期 HTTP Speech to Text カスタマイズ、 Text to Speech ランタイム、および Text to Speech カスタマイズ。 Speechサービスのインストールに関する詳細は Watson Speech services on IBM Cloud Pak for Data を参照してください。

ドイツ語音声用の新しいベータ spell_out_mode パラメーター

ストリングの個々の文字のスペルを示すために、ドイツ語音声の合成要求にベータ版の spell_out_mode 照会パラメーターを含めることができるようになりました。デフォルトでは、サービスは言語のテキストを合成するのと同じ速度で個々の文字をスペルアウトします。このパラメーターを使用すると、1 文字、2 文字、または 3 文字のグループで個々の文字をよりゆっくりとスペルアウトするようにサービスに指示できます。このパラメーターを SSML <say-as> 要素とともに使用して、ストリングの文字の合成方法を制御します。詳しくは、ストリングのスペルアウト方法の指定を参照してください。

Safari ブラウザーで Ogg 音声フォーマットを使用する場合の既知の制限

デフォルトでは、サービスは Opus コーデック (audio/ogg;codecs=opus) を使用した Ogg 音声フォーマットの音声を返します。ただし、Ogg 音声フォーマットは Safari ブラウザーではサポートされません。 Safari ブラウザーで Text to Speech サービスを使用している場合は、サービスが音声を返すための別のフォーマットを指定する必要があります。

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。

バージョン 4.0.x からバージョン 4.5.x へのアップグレードのトラブルシューティング

Speech サービスをバージョン 4.0.x からバージョン 4.5.xにアップグレードすると、 PostgreSQL ポッドが Terminating 状態でスタックする問題が発生する可能性があります。アップグレード中にこの問題が発生した場合は、以下のステップを実行して問題を解決してください。この情報およびステップは、 Watson Speech services on(音声サービス)IBM Cloud Pak for Dataの アップグレード中 トピックの Watson Speech サービスのバージョン 4.0 からバージョン 4.5 へのアップグレード にも記載されています。

以下のコマンドを使用して、 Terminating 状態のままになっているポッドを識別します。

oc get pods -n ${PROJECT_CPD_INSTANCE} -o wide | awk {'print $1'}

以下のコマンドを使用して、 Terminating 状態のままのポッドのリストを含めるように環境変数 pods を設定します。

pods=$(oc get pods -n ${PROJECT_CPD_INSTANCE} -o wide | grep Terminating | awk {'print $1'})

以下のコマンドを使用してスタック・ポッドを削除し、アップグレード・プロセスを続行できるようにします。

oc delete pod $pods -n ${PROJECT_CPD_INSTANCE} --force=true --grace-period=0

SSML <prosody> 要素のドキュメント更新

SSML の <prosody> 要素とその pitch および rate パラメーターの資料が改善され、明確化されました。また、SSML 仕様のサービスと最新バージョンとの違いについての説明も含まれるようになりました。詳しくは、 <prosody> エレメントを参照してください。

対処されたセキュリティー脆弱性

以下のセキュリティー脆弱性が修正されました。

2022 年 8 月 3 日 (バージョン 4.5.1)

バージョン 4.5.1

Text to Speech for IBM Cloud Pak for Data version 4.5.1 が利用可能になった。このバージョンは、 IBM Cloud Pak for Data バージョン 4.5.x と Red Hat OpenShift バージョン 4.6、 4.8、 4.10 をサポートしています。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

FIPS 対応クラスターのサポート

Text to Speech for IBM Cloud Pak for Data と Speech to Text for IBM Cloud Pak for Data の両方が、連邦情報処理標準 (FIPS) 対応クラスターでの実行をサポートするようになりました。詳しくは、 FIPS をサポートするサービスを参照してください。

問題点の修正: ポッドの強制終了を回避するための一時ストレージの計算が修正されました。

障害修正: 問題が修正され、 Text to Speech for IBM Cloud Pak for Data ランタイムおよび Speech to Text for IBM Cloud Pak for Data ランタイムの一時ストレージ制限の計算がより正確になりました。これらの変更により、サービスのランタイムの負荷が高い場合にポッドの強制終了が不定期に発生しないようにします。

このサービスは、多言語音声合成をサポートしていません

現時点では、サービスは多言語音声合成をサポートしていません。ただし、カスタマイズを使用して、他の言語の単語の発音を概算することができます。詳しくは、マルチリンガル音声合成を参照してください。

対処されたセキュリティー脆弱性

以下のセキュリティー脆弱性が修正されました。

2022 年 6 月 29 日 (バージョン 4.5.0)

バージョン 4.5.0

Text to Speech for IBM Cloud Pak for Data version 4.5.0 が利用可能になった。このバージョンは、 IBM Cloud Pak for Data バージョン 4.5.x と Red Hat OpenShift バージョン 4.6、 4.8、 4.10 をサポートしています。詳細については、 Watson IBM Cloud Pak for Data site.data.keyword.watson}} 音声サービスを参照してください。

Unified Speech services for IBM Cloud Pak for Data の資料

Speech to Text と Text to Speech の両方のインストールと管理の資料が、 IBM Cloud Pak for Data 資料に結合されました。 Speech サービスのインストールと管理について詳しくは、 Watson Speech services on IBM Cloud Pak for Dataを参照してください。

Speech サービス・カスタム・リソースの変更

これで、Speech サービスを最初にインストールするときにカスタム・リソースが作成されます。このプロセスについては、 IBM Cloud Pak for Data のインストール資料で説明されています。カスタム・リソースの内容が変更されました:

カスタム・リソースの推奨名が speech-prod-cr から speech-cr に変更されました。
ストレージ・クラスへのすべての参照が、 storageClass のバリアントから blockStorageClass に変更されました。
Portworx ブロック・ストレージ・クラスの名前が portworx-shared-gp3 から portworx-db-gp3-sc に変更されました。
MinIO および PostgreSQl データ・ストアの createSecret プロパティーが削除されました。このプロパティーは内部でのみ使用されます。 Speech サービスは、シークレット・オブジェクトを作成すると常にそのシークレット・オブジェクトを使用します。シークレット・オブジェクトが指定されていない場合は、常にオブジェクトを自動的に作成します。

ユーザー提供の秘密オブジェクトが RabbitMQ データ・ストアでサポートされるようになりました

MinIO および PostgreSQL データ・ストアの場合と同様に、 RabbitMQ データ・ストアのセキュリティー資格情報を指定できるようになりました。文書化されたプロセスは、3 つのデータ・ストアすべてについて類似しています。

問題点の修正: 複数の連続する SSML <phoneme> タグが正しく解析されるようになりました。

問題点の修正: サービスは、連続する<phoneme>タグを含むテキストを正しく合成するようになりました。以前は、テキストに 2 つ以上の連続する<phoneme>タグが含まれている場合、サービスは最初のタグのみを合成し、他のタグは無視しました。

対処されたセキュリティー脆弱性

バージョン 4.5.0のセキュリティー脆弱性は修正されませんでした。

2022 年 5 月 25 日 (バージョン 4.0.9)

バージョン 4.0.9 が使用可能になりました

Text to Speech for IBM Cloud Pak for Data バージョン 4.0.9 が使用可能になりました。このバージョンは、IBM Cloud Pak for Data バージョン 4.x および Red Hat OpenShift バージョン 4.6 と 4.8 をサポートします。サービスのインストールと管理について詳しくは、 Installing Watson Text to Speechを参照してください。

audio/alaw音声フォーマットの新規サポート

サポートされる音声フォーマットのリストにaudio/alaw;rate={rate}が含まれるようになりました。 audio/basicおよびaudio/mulawと同様に、このフォーマットは、8 kHz でサンプリングされた 8 ビット u-law (または 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提供します。詳しくは、音声フォーマットの使用を参照してください。

Speech サービスは、OADP バックアップおよびリストア・ユーティリティーをサポートしません

Watson Speech サービスは、IBM Cloud Pak for Data OpenShift APIs for Data Protection (OADP) バックアップおよびリストア・ユーティリティーをサポートしません。 Speech サービスがクラスターにインストールされている場合、 IBM Cloud Pak for Data OADP バックアップおよびリストア・ユーティリティーを使用して、そのクラスターにインストールされている他のサービスをバックアップできない可能性があります。この制限は、バージョン 4.0.0 以降のバージョンの Speech サービスに適用されます。

対処されたセキュリティー脆弱性

以下のセキュリティー脆弱性が修正されました。

2022 年 5 月 1 日 (バージョン 1.2.x)

重要: IBM Cloud Pak for Data バージョン 3.5 上での Text to Speech バージョン 1.2.x のサービス終了: **重要:**IBM Cloud Pak for Data バージョン 3.5 での Text to Speech バージョン 1.2.x は、2022 年 5 月 1 日現在サービス休止中です。 Text to Speech バージョン 1.2.x はサポート対象外となり、使用できなくなり、文書化されなくなりました。 Watson API Kit の一部である Text to Speech のサービス終了について詳しくは、『ソフトウェア・サポートの終了: IBM Watson API Kit for IBM Cloud Pak for Data 1.2.x』を参照してください。

2022 年 4 月 27 日 (バージョン 4.0.8)

バージョン 4.0.8 が使用可能になりました

Text to Speech for IBM Cloud Pak for Data バージョン 4.0.8 が使用可能になりました。このバージョンは、IBM Cloud Pak for Data バージョン 4.x および Red Hat OpenShift バージョン 4.6 と 4.8 をサポートします。サービスのインストールと管理について詳しくは、 Installing Watson Text to Speechを参照してください。

IBM Cloud Pak for Data 資料で使用される新しい環境変数

Text to Speech for IBM Cloud Pak for Data 資料のほとんどのコマンドは、環境変数の共通セットを使用するように更新されました。この資料には、インストール・コマンド、アップグレード・コマンド、および管理コマンドを実行する前に環境変数を自動的にエクスポートするスクリプトが用意されています。スクリプトを読み込むと、ほとんどのコマンドを資料からコピーして、変更を加えずに実行することができます。

スクリプトが定義する環境変数には、以下のものがあります。

${PROJECT_CPD_INSTANCE}は、IBM Cloud Pak for Data および Speech サービスをインストールする予定のプロジェクトを識別します。
${PROJECT_CPD_OPS}は、 IBM Cloud Pak for Data プラットフォーム・オペレーターのプロジェクトを識別します。
${PROJECT_CPFS_OPS}は、IBM Cloud Pak for Data 基本サービスのプロジェクトを識別します。

環境変数の使用について詳しくは、ベスト・プラクティス: インストール変数のセットアップを参照してください。

ttsVoiceMarginalCPUプロパティーは文書化されなくなりました。

Speech サービス・カスタム・リソースの資料からttsVoiceMarginalCPUプロパティーが削除されました。このプロパティーは、並行性と音声合成速度のトレードオフを管理します。デフォルト値400は、ほとんどのお客様にとって妥当なバランスを確保し、リアルタイムの合成を維持します。

対処されたセキュリティー脆弱性

以下のセキュリティー脆弱性が修正されました。

2022 年 3 月 30 日 (バージョン 4.0.7)

バージョン 4.0.7 が使用可能になりました

Text to Speech for IBM Cloud Pak for Data バージョン 4.0.7 が使用可能になりました。このバージョンは、IBM Cloud Pak for Data バージョン 4.x および Red Hat OpenShift バージョン 4.6 と 4.8 をサポートします。サービスのインストールと管理について詳しくは、 Installing Watson Text to Speechを参照してください。

デフォルト音声を指定するためのカスタム・リソース・プロパティー

音声合成および発音要求のデフォルトの音声はen-US_MichaelV3Voiceです。 en-US_MichaelV3Voiceをインストールしない場合は、以下のいずれかを行う必要があります。

各要求で使用する音声を渡すには、voiceパラメーターを使用します。
Speech サービス・カスタム・リソースのdefaultTTSVoiceプロパティーを使用して、Text to Speech for IBM Cloud Pak for Data のインストール済み環境の新しいデフォルト音声を指定します。詳しくは、 Watson Text to Speech およびデフォルト音声の使用を参照してください。

WebSocket インターフェースの単語のタイミング応答の変更

WebSocket インターフェースで単語のタイミングを要求したときにサービスが送信する応答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。

対処されたセキュリティー脆弱性

以下のセキュリティー脆弱性が修正されました。

Red Hat CVE-2022-24407: Cyrus SASL に同梱されている SQL プラグインに欠陥が見つかりました。この脆弱性は、SQL 入力を適切にエスケープできなかったために発生し、不適切な入力検証の脆弱性につながります。この欠陥により、攻撃者は任意の SQL コマンドを実行でき、他のアカウントのパスワードを変更できるため、特権のエスカレーションが可能になります。
セキュリティ情報jwt-go の脆弱性が IBM Watson Speech Services Cartridge for IBM Cloud Pak for Data(CVE-2020-26160)に影響します。
セキュリティ情報 Golang Go の脆弱性が IBM Watson Speech Services Cartridge for IBM Cloud Pak for Data(CVE-2021-29923)に影響します。
セキュリティ情報: IBM Watson Speech Services Cartridge for IBM Cloud Pak for Data は、Spring Framework(CVE-2022-22965)におけるリモートコード実行の影響を受けるが、脆弱性には分類されない。
セキュリティ情報: IBM Watson Speech Services Cartridge for IBM Cloud Pak for Data は IBM WebSphere Application Server(CVE-2021-23450)と共に任意のコードを実行される脆弱性があります。

2022 年 2 月 23 日 (バージョン 4.0.6)

バージョン 4.0.6 が使用可能になりました

Text to Speech for IBM Cloud Pak for Data バージョン 4.0.6 が使用可能になりました。このバージョンは、IBM Cloud Pak for Data バージョン 4.x および Red Hat OpenShift バージョン 4.6 と 4.8 をサポートします。サービスのインストールと管理について詳しくは、 Installing Watson Text to Speechを参照してください。

IBM Cloud Pak for Data では、すべてのニューラル音声が非推奨になりました

Text to Speech for IBM Cloud Pak for Data で使用可能であったニューラル音声が非推奨になりました。ニューラル音声は、引き続き Text to Speech for IBM Cloudのユーザーが使用できます。 Text to Speech for IBM Cloud Pak for Data のユーザーは、引き続きエンハンスト・ニューラル音声のみを使用できます。

IBM Cloud Pak for Data では、以下の言語のすべての音声が非推奨になりました。

アラビア語
中国語 (北京語)
チェコ語
オランダ語 (ベルギー)
オランダ語 (オランダ)
英語 (オーストラリア)
韓国語
スウェーデン語

これらの音声の既存のユーザーは引き続き使用できますが、今後のリリースで音声は完全に削除されます。これらの音声は、新規ユーザーがインストールすることができなくなり、IBM Cloud Pak for Data のインストール資料から削除されました。 voiceTypeプロパティーが Speech サービス・カスタム・リソースから削除されました。

詳しくは、以下を参照してください

インポート/エクスポート・スクリプトの更新

import_export.shスクリプトとtransfer_ownership.shスクリプトが更新されました。これらのスクリプトは、クラスター間でのデータのインポートとエクスポート、データのバックアップとリストア、およびバージョン 3.5 からバージョン 4.0.x へのデータのマイグレーションに使用されます。スクリプトは以下のように変更され、改善されました。

transfer_ownership.shスクリプトでは、コマンド行の-c引数の前に<custom_resource_name>オプションを含める必要があります。
transfer_ownership.shスクリプトには、リソースの所有権の転送先のバージョンを示す-v <version>オプションと引数が必要になりました。バージョン 3.5 の場合は35、バージョン 4.0.x の場合は40を指定します。
transfer_ownership.shスクリプトでは、コマンド行の-p引数の前に<postgres_auth_secret_name>オプションを含める必要があります。
<postgres_auth_secret_name>引数は、所有権の転送先の PostgreSQL データ・ストアに対する認証に使用される Kubernetes シークレットを提供します。デフォルト値 (バージョン 4.0.x の場合は<custom-resource-name>-postgres-auth-secret、バージョン 3.5 の場合は user-provided-postgressql) と同じ場合は、認証秘密鍵を省略できます。デフォルト値以外のシークレットの場合は、ここで指定する必要があります。
両方のスクリプトに、スクリプトとその使用法に関する情報を表示する-h (--help) オプションが含まれるようになりました。

詳しくは、以下を参照してください

管理 Watson Text to Speech。具体的には、 データのインポートとエクスポート 、および データのバックアップとリストアを行います。
Watson Text to Speechのアップグレード。具体的には、 * IBM Cloud Pak for Data バージョン 3.5*からのデータのマイグレーション。

OpenShift Container Storage の推奨事項が更新されました

Speech サービス・バージョン 4.0.6 以降、OpenShift Container Storage の推奨ストレージ・クラスは ocs-storagecluster-ceph-rbdです。

Speech サービス 4.0.6 をインストールする場合、または IBM Cloud Pak for Data バージョン 3.5 から Speech サービス 4.0.6 にアップグレードする場合、インストールまたはアップグレード時に ocs-storagecluster-ceph-rbd ストレージ・クラスを指定します。
Cloud Pak for Data バージョン 4.0 の以前のリフレッシュから Speech サービス 4.0.6 にアップグレードする場合は、引き続きocs-storagecluster-cephfsを使用してください。既存のデプロイメントで使用されているストレージを変更することはできません。

この値は、Speech サービス・カスタム・リソースのstorageClassプロパティーで指定されます。

################
# Storage class
################
  storageClass: "ocs-storagecluster-ceph-rbd"

Speech サービスは、どちらのバージョンの OpenShift Container Storage でも作業します。新しく推奨されたバージョンには、より制限的なアクセス許可があります。詳しくは、以下を参照してください

2022 年 1 月 31 日 (バージョン 4.0.5)

バージョン 4.0.5 が更新されました

Text to Speech for IBM Cloud Pak for Data バージョン 4.0.5 が更新され、インストールの問題に対処できるようになりました。ケース・パッケージのバージョンが 4.0.6 になりました。バージョン 4.0.5 パッケージの代わりにこのパッケージを使用してください。サービスのインストールと管理について詳しくは、 Installing Watson Text to Speechを参照してください。

重要: ミラーリングされたインストールの追加ステップは不要になりました

重要: 2022 年 1 月 26 日リリース・ノートには、以下のステップに関する重要な注意事項が記載されています。

Minio データ・ストアのミラーリングされたインストールを実行するための追加ステップ
新しい次世代モデルのミラーリングされたインストールを実行するための追加ステップ

これらの追加ステップは不要になりました。インストールの問題を修正するために、ケース・パッケージが更新されました。

2022 年 1 月 26 日 (バージョン 4.0.5)

バージョン 4.0.5 が使用可能になりました

Text to Speech for IBM Cloud Pak for Data バージョン 4.0.5 が使用可能になりました。このバージョンは、IBM Cloud Pak for Data バージョン 4.x および Red Hat OpenShift バージョン 4.6 と 4.8 をサポートします。サービスのインストールと管理について詳しくは、 Installing Watson Text to Speechを参照してください。

重要: Minio データ・ストアのミラーリングされたインストールを実行するための追加ステップ

重要: ケース・パッケージ 4.0.6 をインストールする場合、これらのステップは不要になりました。詳細は 2022年1月31日（バージョン4.0.5）を参照。

ミラーリングされたインストールを (例えば、エアギャップ環境で) 実行する場合は、以下のいずれかのステップを実行する前に、追加のステップを実行する必要があります。

ステップ 7 プライベート・コンテナー・レジストリーへのイメージのミラーリング / 要塞モデルを使用したイメージのミラーリング
ステップ 8 中間コンテナー・レジストリーへのイメージのミラーリング ( 中間コンテナー・レジストリーを使用したイメージのミラーリング の)

このステップは、Minio データ・ストアに必要なイメージをコピーするために必須です。

echo 'cp.icr.io,cp/opencontent-minio-client,1.1.4,sha256:7b4cf5e47a0455cfa7ca9ab246b80916e4dccbc1483b3e0f276fb7b0ab3e5c60,IMAGE,linux,x86_64,"",0,CASE,"",""' \
>> $CASE_PATH/ibm-watson-speech-4.0.5-images.csv

このステップを実行しないと、Text to Speech と Speech to Text の両方でインストール・エラーが発生します。

ライセンス・サーバーが自動的にインストールされるようになりました

Speech サービス・オペレーターは、Speech サービスのインストール時に、必要なライセンス・サーバーを自動的にインストールするようになりました。 IBM Cloud Pak for Data Foundational Services からライセンス・サーバーをインストールする必要がなくなり、必要なバインディングを使用して OperandRequest を作成するために追加の YAML コンテンツを使用する必要がなくなりました。

PostgreSQL EnterpriseDB サーバーに固有のステップの削除

以前のバージョンの資料には、Speech サービスに固有の PostgreSQL EnterpriseDB サーバー用のステップが含まれていました。これらのステップは、Watson Text to Speech のアップグレード (バージョン 4.0) および Watson Text to Speech のアンインストールのトピックに記載されています。これらの追加ステップは不要になり、資料から削除されました。

RabbitMQ データ・ストアは、sttAysnc コンポーネントによってのみ使用されるようになりました

RabbitMQ データ・ストアは、以前は Speech サービスの Speech to Text と Text to Speechの両方のコンポーネントによって使用されていました。 Speech to Text 非同期 HTTP コンポーネント (sttAsync) の非永続メッセージ・キューイングのみを処理するようになりました。これは、sttAsync コンポーネントがインストールされて有効になっている場合にのみ使用されます。

新しいベルギー・オランダ語とチェコ語のニューラル音声

以下の 2 つの新しいニューラル音声が使用可能になりました。

ベルギー・オランダ語: ベルギー・オランダ語 (Flemish) の新しい音声 nl-BE_BramVoice。
チェコ語: 新しい言語、チェコ語、新しい女性の音声、cs-CZ_AlenaVoice。

カスタム・リソースの voiceType プロパティーを neuralVoicesに設定することで、新しい音声をすべてのニューラル音声とともにインストールできます。

カスタム・リソースを使用して音声をインストールする方法について詳しくは、 Installing Watson Text to Speechを参照してください。
利用可能なすべての言語と音声の詳細については、言語と音声を参照してください。

問題点の修正: SSML 資料の更新

不具合を修正しました： SSMLのドキュメントが更新され、以下のエラーが修正されました：

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。
このサービスは、Speech Synthesis Markup Language (SSML) バージョン 1.1 をサポートしています。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。

対処されたセキュリティー脆弱性

Apache Log4j に関連する以下のセキュリティー脆弱性が修正されました。

2021 年 12 月 20 日 (バージョン 4.0.4)

バージョン 4.0.4 が使用可能になりました

Text to Speech for IBM Cloud Pak for Data バージョン 4.0.4 が使用可能になりました。このバージョンは、IBM Cloud Pak for Data バージョン 4.x および Red Hat OpenShift バージョン 4.6 と 4.8 をサポートします。サービスのインストールと管理について詳しくは、 Installing Watson Text to Speechを参照してください。

重要: ユーザー・データの保管とロギングを無効にするためのプロパティーの変更

重要: ユーザー・データを保管してログに記録するかどうかを指定する Speech サービス・カスタム・リソースのプロパティーの名前が変更されました。カスタム・リソースには、以前は以下のプロパティーが含まれていました。

#################
# Anonymize logs
#################
  sttRuntime:
    anonymizeLogs: "false"  # If true, disables storage and logging of user data
  sttAMPatcher:
    anonymizeLogs: "false"  # If true, disables storage and logging of user data
  ttsRuntime:
    anonymizeLogs: "false"  # If true, disables storage and logging of user data

これらのプロパティーの名前は、以下のようになりました。

###################################
# Storage and logging of user data
###################################
  sttRuntime:
    skipAudioAndResultLogging: "false"  # If true, disables storage and logging of user data
  sttAMPatcher:
    skipAudioAndResultLogging: "false"  # If true, disables storage and logging of user data
  ttsRuntime:
    skipAudioAndResultLogging: "false"  # If true, disables storage and logging of user data

falseのデフォルト値をtrueに変更するためにカスタム・リソースでこれらのプロパティーを既に設定している場合は、カスタム・リソースを編集する必要があります。プロパティーの名前を新しい値に手動で変更し、更新したカスタム・リソースを保存する必要があります。詳しくは、 Watson Text to Speechを参照してください。

重要: PostgreSQL 秘密オブジェクトのプロパティーの変更

重要: Speech サービスをインストールすると、PostgreSQL データ・ストア用にランダムに生成されたパスワードを含むオブジェクトがデフォルトで作成されます。代わりに、パスワードを手動で指定することもできます。これを行うと、秘密オブジェクトの YAML ファイルのプロパティーが変更されます。詳しくは、 Watson Text to Speechの管理でデータ・ストアの管理に関するトピックを参照してください。

重要: PostgreSQL ポッドが EnterpriseDB バージョン 1.10 オペレーターで開始しない

重要: Text to Speech for IBM Cloud Pak for Data バージョン 4.0.3 では、EnterpriseDB バージョン 1.10 オペレーターに基づく PostgreSQL ポッドの開始に失敗する可能性があります。これにより、Speech サービスが開始されなくなります。この問題には回避策があります。 Speechサービスが起動しない場合、問題の診断と解決方法については、 PostgreSQL pods do not start with EnterpriseDB version 1.10 operatorを参照してください。

この問題は、Text to Speech for IBM Cloud Pak for Data バージョン 4.0.4 で修正されました。

IBM Spectrum Scale Container Native ストレージ・クラスの新規サポート

バージョン 4.0.3 以降、Speech サービスは IBM Spectrum® Scale Container Native ストレージ・クラスをサポートします。 IBM Spectrum Scaleを使用するには、Speech サービス・カスタム・リソースの storageClass プロパティーに "ibm-spectrum-scale-sc" を指定します。詳しくは、 Watson Text to Speechを参照してください。

インストール時の Speech サービスと MinIO データ・ストアの相互作用

Speech サービスのランタイム・コンポーネント sttRuntime および ttsRuntimeは、サービスのモデルと音声が MinIO データ・ストアに完全にアップロードされるまで開始できません。インストール中に、サービスが失敗し、モデルと音声のアップロードが完了するまで 1 回以上自動的に再始動する場合があります。その後、正しく開始します。ユーザー・アクションは不要です。

不具合修正：アップグレードドキュメントの改善

障害修正: Speech サービスを新規バージョンの IBM Cloud Pak for Data バージョン 4.0.x にアップグレードするための資料には、一部のコマンドに誤った参照が含まれていました。これで、以下の参照が正しくなりました。

どちらの場合も、ストリングwatsonSpeechToTextStatusおよびwatsonTextToSpeechStatusがspeechStatusに変更されました。
どちらの場合も、ストリングstatus.watsonSpeechToTextVersionおよびstatus.watsonTextToSpeechVersionが.spec.versionに変更されました。

詳しくは、 Upgrading Watson Text to Speechを参照してください。

問題点の修正: SSML と音声合成の改善

不具合の修正このリリースでは、音声合成マークアップ言語（SSML）と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、この資料には、pitch値の指定に関する追加のガイダンスも含まれています。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。

対処されたセキュリティー脆弱性

Apache Log4j に関連する以下のセキュリティー脆弱性が修正されました。

セキュリティ情報 Apache Log4j の脆弱性は IBM Watson IBM Cloud Pak for Data(CVE-2021-4428)用の音声サービスカートリッジに影響を及ぼす可能性があります。

2021 年 12 月 20 日 (バージョン 1.2.x)

重要: IBM Cloud Pak for Data バージョン 3.5 に Text to Speech バージョン 1.2.x をインストールできなくなりました。

重要: IBM Cloud Pak for Data バージョン 3.5 で Text to Speech バージョン 1.2.x の新規インストールを実行できなくなりました。 IBM Cloud Pak for Data バージョン 4.xにインストールできるのは、Text to Speech バージョン 4.0.x のみです。詳しくは、 Watson Text to Speechを参照してください。

IBM Cloud Pak for Data バージョン 3.5 の Speech サービスは、2022 年 4 月 30 日にサポート終了日に到達します。できるだけ早く、サービスの最新バージョンの 4.0.x リリースにアップグレードすることをお勧めします。詳しくは、 Upgrading Watson Text to Speechを参照してください。

2021 年 11 月 30 日 (バージョン 4.0.3)

バージョン 4.0.3 が使用可能になりました

Text to Speech for IBM Cloud Pak for Data バージョン 4.0.3 が使用可能になりました。このバージョンは、IBM Cloud Pak for Data バージョン 4.x および Red Hat OpenShift バージョン 4.6 と 4.8 をサポートします。サービスのインストールと管理について詳しくは、 Installing Watson Text to Speechを参照してください。

ライセンス・サーバーが必須前提条件になりました

ここで、IBM Cloud Pak for Data Foundational Services からライセンス・サーバーをインストールする必要があります。必要なバインディングを使用して OperandRequest を作成するために提供されている YAML コンテンツを使用して、ライセンス・サーバーをインストールする必要があります。また、IBM Cloud Pak for Data もインストールされているサービス (オペランド) と同じ名前空間にライセンス・サービスをインストールする必要があります。詳しくは、 Watson Text to Speechを参照してください。

インプレース・アップグレードの新規サポート

このサービスは、バージョン 4.0.0 からバージョン 4.0.3 へのインプレース・オペレーター・ベースのアップグレードをサポートするようになりました。 IBM Cloud Pak for Data バージョン 3.5 からバージョン 4.0.3 に移行するには、引き続きマイグレーション・ユーティリティーを使用する必要があります。詳しくは、 Upgrading Watson Text to Speechを参照してください。

EDB PostgreSQL オペレーターおよびライセンスのインストールの変更

Enterprise DB PostgreSQL オペレーターおよびライセンスのインストール、アップグレード、およびアンインストールが変更されました。

EDB PostgreSQL オペレーターおよびライセンスのインストール手順は、IBM Cloud Pak for Data Foundational Services に含まれるようになりました。 Speech サービスのインストール手順が適宜更新されました。詳しくは、 Watson Text to Speechを参照してください。
Text to Speech バージョン 4.0.0 から 4.0.3 へのアップグレード手順には、以前の EDB PostgreSQL オペレーターおよびライセンスをアンインストールし、IBM Cloud Pak for Data 基本サービスを使用してそれらを再インストールする手順が含まれています。詳しくは、 Upgrading Watson Text to Speechを参照してください。
Speech サービスをアンインストールする手順に、以前に Text to Speechとともにインストールされた EDB PostgreSQL オペレーターとライセンスを削除する手順が含まれるようになりました。詳しくは、 Watson Text to Speechのアンインストールを参照してください。

インストール済み環境をスケールアップするための新しいガイダンス

サービスは、インストール済み環境のスケールアップに関する更新されたガイダンスを提供するようになりました。この情報には、拡張ニューラル音声またはニューラル音声のポッドの数と並行セッションの最大数の指定が含まれます。詳しくは、 Watson Text to Speechを参照してください。

インポート・ユーティリティーおよびエクスポート・ユーティリティーに対するコマンド行の更新

Speech サービスのインポート・ユーティリティーおよびエクスポート・ユーティリティーで使用されるコマンドには、新しいオプションと引数が含まれています。インポートおよびエクスポート・ユーティリティーは、サービスのバックアップとリストア、および IBM Cloud Pak for Data バージョン 3.5 からバージョン 4.0.3 へのマイグレーションのための基盤でもあります。ユーティリティーの詳細については、以下を参照してください

並行性と音声合成を管理するための新しいプロパティー

新しい global.ttsVoiceMarginalCPU プロパティーは、並行性と音声合成速度のトレードオフを管理します。デフォルト値 400 は、ほとんどのお客様に妥当なバランスを提供し、リアルタイムの合成を維持します。ニーズに合うようにこの値を変更する方法については、IBM サポートにお問い合わせください。

ニューラル音声の新規サポート

Text to Speech for IBM Cloud で現在使用可能なすべてのニューラル音声は、Text to Speech for IBM Cloud Pak for Dataでのインストールにも使用できるようになりました。以下の言語と音声が使用可能になりました。

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
オランダ語 (ベルギー): nl-BE_AdeleVoice
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

利用可能なすべての言語と音声の詳細については、言語と音声を参照してください。

音声のインストール

拡張ニューラル音声またはニューラル音声のいずれかをインストールできます。 2 つのタイプの音声のいずれか 1 つのみをインストールできます。サービスをインストールするときは、カスタム・リソースの voiceType プロパティーを使用して、インストールする音声を指定します。

拡張ニューラル音声をインストールするには、enhancedNeuralVoices を指定します。その後、インストールする個々の拡張ニューラル音声を指定する必要があります。デフォルトでは、en-US_AllisonV3Voice、en-US_LisaV3Voice、およびen-US_MichaelV3Voiceのみがインストールされます。これらのデフォルトの音声をインストールするか、これらの音声と他の音声をインストールするか、または他の音声のみをインストールするかを選択できます。インストールした音声のみが使用可能です。
ニューラル音声をインストールするには、neuralVoicesを指定します。すべてのニューラル音声がインストールされ、使用可能になります。インストール済み音声のリストを詳細化することはできません。

カスタム・リソースを使用して音声をインストールする方法について詳しくは、 Installing Watson Text to Speechを参照してください。

音声合成の音声の指定

HTTPPOST メソッドとGET /v1/synthesizeメソッドの両方、および WebSocket /v1/synthesizeメソッドは、音声合成に使用する音声を指定するために使用するオプションのvoice照会パラメーターを受け入れます。 voice パラメーターを省略すると、サービスはデフォルトの音声を使用します。デフォルトの音声は、インストールした音声によって異なります。

*拡張ニューラル音声をインストールした場合は、*サービスは米国英語en-US_MichaelV3Voiceをデフォルトで使用します。その音声がインストールされていない場合は、音声を指定する必要があります。
*ニューラル音声をインストールした場合は、*サービスは常にオーストラリア英語en-AU_MadisonVoiceをデフォルトで使用します。

詳しくは、音声合成での音声の使用を参照してください。

カスタム・モデルの言語の指定

POST /v1/customizationsメソッドを使用して、カスタム・モデルを作成します。このメソッドには、新規カスタム・モデルの言語を識別するために使用するlanguageパラメーターが含まれています。

拡張ニューラル音声をインストールした場合は、 languageパラメーターはオプションです。デフォルトでは、サービスは言語の en-USID を使用します。
ニューラル音声をインストールした場合は、以下のようにします。 language パラメーターは必須です。カスタム・モデルの言語は、示されている形式で指定する必要があります (例えば、オーストラリア英語の場合は en-AU)。

カスタム・モデルの作成時に言語を指定する方法について詳しくは、カスタム・モデルの作成を参照してください。

不具合の修正スペイン語強化神経音声のイントネーションを修正

障害修正: カスティーリャ・スペイン語 (es-ES_EnriqueV3Voiceおよびes-ES_LauraV3Voice)、ラテン・アメリカ・スペイン語 (es-LA_SofiaV3Voice)、および北米スペイン語 (es-US_SofiaV3Voice) の音声では、すべてのタイプの質問で正しいイントネーションが使用されるようになりました。以前の音声では、いくつかの質問に対して正しいイントネーションが使用されていませんでした。代わりに、それらの質問をステートメントのように発音します。

不具合の修正：マルチテナンシーに関する文書の修正

問題点の修正: IBM Cloud Pak for Data のトピック「マルチテナンシー・サポート」で、Speech サービスがマルチテナンシーをサポートしていないことが誤って示されています。トピックが更新され、Speech サービスが以下の操作をサポートすることが示されるようになりました。

別個のプロジェクトへのサービスのインストール
同じプロジェクトにサービスを複数回インストールする
サービスを 1 回インストールし、同じプロジェクトに複数のインスタンスをデプロイする

Speech サービスに固有の資料には、マルチテナンシー・サポートが正しく記載されています。

2021 年 10 月 1 日 (バージョン 1.1.x)

バージョン 1.1.x はサービス休止中です: Text to Speech および Speech to Text for IBM Cloud Pak for Data バージョン 1.1.x は、2021 年 9 月 30 日にサービス休止になりました。 2021 年 10 月 1 日以降、バージョン 1.1.x の資料は使用できなくなりました。詳しくは、ソフトウェアの営業活動終了およびサポート終了を参照してください。

2021 年 7 月 29 日 (バージョン 4.0.0)

バージョン 4.0.0 が使用可能

IBM Watson® Text to Speech for IBM Cloud Pak® for Data バージョン 4.0.0 が使用可能になりました。サービスのインストールと管理には多くの変更点があります。このバージョンは、IBM Cloud Pak for Data バージョン 4.x および Red Hat OpenShift バージョン 4.6 をサポートします。サービスのインストールおよび管理について詳しくは、IBM Watson Text to Speech for IBM Cloud Pak for Data のインストールを参照してください。

拡張されたニューラル音声

音声合成の全体的な品質を最適化するために、使用可能なすべての音声が拡張されたニューラル音声になりました。名前にストリングV3を含む拡張ニューラル音声が、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。詳しくは、言語と音声を参照してください。

新しいカナダ・フランス語の声

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

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。この機能はベータ機能であり、米国英語のカスタム・モデルと音声でのみサポートされます。この機能には次の 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。以下に示す新しいメソッドの説明は、API および SDK のリファレンス内のそれらのエントリーへのリンクを示しています。

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}

統一された Text to Speech の資料

IBM Watson Text to Speech for IBM Cloud Pak for Data の資料は、IBM Cloudでホストされている Text to Speech サービスの管理対象インスタンスの資料と組み合わされました。これは、サービスの 2 つの形式のガイドと参照資料の両方に当てはまります。サービス用の以前の個別のバージョンの IBM Cloud Pak for Data 資料へのリンクは、統合された資料にリダイレクトされます。

1 つのバージョンの製品のみに関連する識別情報について詳しくは、Text to Speech についてを参照してください。

バージョン 1.1.x はサービス休止になっています

Speech to Text および Text to Speech for IBM Cloud Pak for Data バージョン 1.1.x は、2021 年 9 月 30 日でサービス休止状態になります。その日付より前に、IBM Cloud Pak for Data で新しいバージョンのサービスにアップグレードする必要があります。 2021 年 10 月 1 日以降、バージョン 1.1.4 の資料は使用できなくなります。

2021 年 4 月 12 日 (バージョン 1.2.1)

speech-override.yamlファイルへの追加

最小限のspeech-override.yamlファイルには、追加の定義dockerRegistryPrefixが含まれています。

global:
  dockerRegistryPrefix: "{Registry}"
  image:
    pullSecret: "{Registry_pull_secret}"

{Registry} は、内部 Docker レジストリーのパスです。これはimage-registry.openshift-image-registry.svc:5000/{namespace}でなければなりません。ここで、{namespace}は、IBM Cloud Pak® for Data がインストールされている名前空間 (通常はzen) です。

2021 年 4 月 9 日 (バージョン 1.2.1)

インストール済みモデルおよび音声の変更のサポート: Speech サービスを使用すると、バージョン 1.2 または 1.2.1 のサービスのインストール済みモデルと音声を追加または削除できます。

2021 年 3 月 26 日 (バージョン 1.2.1)

バージョン 1.2.1 が使用可能

Text to Speech for IBM Cloud Pak for Data バージョン 1.2.1 が使用可能になりました。バージョン 1.2 と 1.2.1 は、同じバージョン 1.2 の資料とインストール手順を使用します。バージョン 1.2.1 は、バージョン 4.5 および 3.11 に加えて、Red Hat OpenShift バージョン 4.6 へのインストールをサポートします。

新しいインストール手順

インターネットに接続されている両方のクラスターとエアギャップ・クラスターの場合、インストール手順には以下のステップが含まれます。

IBM Cloud Pak for Data がインストールされている名前空間に必要なラベルをセットアップするには、oc labelコマンドを使用します。
oc projectコマンドを使用して、正しい OpenShift プロジェクトを指定していることを確認します。
cpd-cli installコマンドを使用して、Speech サービスによって使用される Enterprise DB PostgreSQL サーバーをインストールします。

Speech サービスをインストールする前に以下のステップを実行します。

新しいアンインストール手順

インストール済み環境からすべてのリソースをクリーンアップするために、Speech サービスをアンインストールする手順にステップが追加されました。

PostgreSQL データ・ストアのライセンスがあるレジストリー

サービスが PostgreSQL データ・ストアのイメージをプルするためのライセンスが付与されているレジストリー・パスが変更されました。レジストリーの場所がcp.icr.io/cp/watson-speechからcp.icr.io/cp/cpdに変更されました。この変更はユーザーには認識されません。

Minio および PostgreSQL データ・ストアの秘密

Minio および PostgreSQL データ・ストアの秘密には、以下のハードコーディングされた値が必要です。

Minioの場合は、minioを使用します。
PostgreSQLの場合は、user-provided-postgressqlを使用します。

これらの秘密に独自の値を使用することはできません。これらの秘密は、Speech サービスをインストールする前に作成する必要があります。

speech-override.yamlファイルからの削除

以下の項目がspeech-override.yamlファイルから削除されました。これらは、修正された問題を回避するために追加されました。

sttRuntime:
  images:
    miniomc:
      tag:
        1.0.5
sttAMPatcher:
  images:
    miniomc:
      tag:
        1.0.5
ttsRuntime:
  images:
    miniomc:
      tag:
        1.0.5

簡略化されたspeech-override.yamlファイルは、通常、その内容を重要なエレメントに微調整することにより、さらに縮小されています。

2020 年 12 月 9 日 (バージョン 1.2)

バージョン 1.2 が使用可能

Text to Speech for IBM Cloud Pak for Data バージョン 1.2 が使用可能になりました。サービスのインストールと管理には多くの変更点があります。このバージョンでは IBM Cloud Pak for Data バージョン 3.5 と 3.0.1、および Red Hat OpenShift のバージョン 4.5 と 3.11 がサポートされています。

新しい音声

このサービスでは、新たに2つの音声を提供するようになった：

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

また、このサービスでは既存の英国の音声の改良バージョン en-KateV3Voice も提供されています。サポートされているすべての言語と音声について詳しくは、言語と音声を参照してください。

不具合修正：日本語の <prosody> 要素を修正

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。

2020 年 9 月 4 日 (バージョン 1.1.4)

カスタマイズ・インターフェースの一般提供: カスタマイズ・インターフェースの一般提供が開始されました。カスタマイズはベータ版の機能ではなくなりました。カスタマイズ・インターフェースを使用して、言語固有のカスタム辞書を作成することによって、入力テキストに含まれている一般的でない単語をサービスで発音する方法を指定できます。詳しくは、カスタマイズの理解を参照してください。

2020 年 7 月 15 日 (バージョン 1.1.4)

Red Hat OpenShift バージョン 4.3 はサービス休止になっています。: IBM Cloud Pak for Data 3.0.1 では、2020 年 9 月 1 日に Red Hat OpenShift 4.3 のサポートが非推奨になります。 Red Hat OpenShift 4.3 は 2020 年 10 月 22 日でサービス休止になっています。IBM Cloud Pak for Data では、Red Hat OpenShift 4.5 のサポートが導入されています。IBM Cloud Pak for Data では、2020 年 10 月 22 日より前に Red Hat OpenShift 4.5 にアップグレードすることをお勧めします。 IBM サポートは Red Hat OpenShift 4.3 に既に IBM Cloud Pak for Data 3.0.1 をインストールしているすべてのお客様への協力を行って参ります。 Red Hat OpenShift 4.x 上でのインストールを希望する新しいお客様は、Red Hat OpenShift 4.5 をインストールするように指示されています。

2020 年 6 月 19 日 (バージョン 1.1.4)

バージョン 1.1.4 が使用可能

Text to Speech for IBM Cloud Pak for Data バージョン 1.1.4 が使用可能になりました。サービスのインストールと管理には多くの変更点があります。このバージョンでは IBM Cloud Pak for Data バージョン 2.5 と 3.0.1、および Red Hat OpenShift のバージョン 3.11 と 4.3 がサポートされています。サービスのインストールと管理の詳細については、'Installing and managing Text to Speech for IBM Cloud Pak for Data を参照してください。

新しいニューラル音声

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には、既存のすべての音声と同じカスタマイズと SSML の機能があります。詳しくは、サポートされる言語と音声を参照してください。

日本語の<say-as>要素の SSMLdigits 属性のサポート

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>エレメントを参照してください。

簡素化されたバックアップとリストアの手順

バックアップとリストアの各手順が大幅に簡素化されています。これらの処理では、データがデータ・ストアからバックアップされるため、実行した操作を再作成する必要がなくなりました。詳細は「Watsonスピーチサービスデータのバックアップと復元参照。

2020 年 2 月 28 日 (バージョン 1.1.3)

バージョン 1.1.3 が使用可能です: Text to Speech for IBM Cloud Pak for Data バージョン 1.1.3 が使用可能になりました。

2019 年 11 月 27 日 (バージョン 1.1.2)

バージョン 1.1.2 が使用可能: Text to Speech for IBM Cloud Pak for Data バージョン 1.1.2 が使用可能になりました。

2019 年 8 月 30 日 (バージョン 1.0.1)

バージョン 1.0.1 が使用可能です: Text to Speech for IBM Cloud Pak for Data バージョン 1.0.1 が使用可能になりました。サービスを IBM Cloud Pak for Data 2.1.0.1 で使用できるようになりました。 IBM Cloud Pak for Data を Red Hat OpenShift にインストールできるようになりました。
新しい日本語ニューラル音声: このサービスで、ニューラル日本語音声 ja-JP_EmiV3Voice が提供されるようになりました。詳しくは、サポートされる言語と音声を参照してください。
FISMA サポート: Text to Speech for IBM Cloud Pak for Data で、連邦情報セキュリティー管理法 (FISMA) サポートを使用できるようになりました。このサービスは FISMA High に対応しています。

2019 年 6 月 28 日 (バージョン 1.0.0)

バージョン 1.0.0 が使用可能

サービスの初期リリースであるバージョン 1.0.0 が使用可能になりました。Text to Speech for IBM Cloud Pak for Data は、パブリック IBM Cloud上の IBM Watson® Text to Speech サービスに基づいています。Text to Speech for IBM Cloud Pak for Data は、以下の点でパブリック Text to Speech サービスとは異なります。パブリック Text to Speech 上の IBM Cloud サービスを既によく知っている場合、この情報が役立つことがあります。

Text to Speech for IBM Cloud Pak for Data は認証のためにアクセス・トークンを使用します。詳しくは、 API & SDK リファレンスを参照してください。
Text to Speech for IBM Cloud Pak for Data のエンドポイントは、使用する IBM Cloud Pak for Data クラスターに固有のものです。詳しくは、 API & SDK リファレンスを参照してください。
Text to Speech for IBM Cloud Pak for Data はニューラル音声だけをサポートします。標準 (連結的) 音声はサポートしません。ニューラル音声は、SSML 要素<express-as>および<voice-transformation>要素をサポートしません。
Text to Speech for IBM Cloud Pak for Data は要求ロギングを実行しません。 X-Watson-Learning-Opt-Out 要求ヘッダーを使用する必要はありません。
Text to Speech for IBM Cloud Pak for Data は Watson トークンをサポートしません。 X-Watson-Authorization-Token 要求ヘッダーを使用してサービスで認証することはできません。