ガイド

Alexa スキルに独自の声：自作の音声を再生する

Alexa スキルは Alexa の声か Amazon Polly の声で話します。クイズの司会、物語の語り手、ゲームのキャラクター、ブランドの声には物足りませんが、SSML には答えがあります。audio タグなら、応答の途中で自分の MP3 を再生できます。

無料の SuperClonica エンジンは、標準ボイス、学習させた自分の声、キャラクターの声で、そのファイルをオフラインで作ります。このガイドでは、Amazon のファイル要件、Python から直接要件どおりの MP3 を作る方法、Alexa 自身の声と組み合わせる方法を紹介します。

音声を見る SuperClonica エンジンをインストール

Alexa で自作音声が動くしくみ

スコアや名前のように変わる部分は Alexa 自身の声に読ませ、変わらない部分には自作のファイルを流しましょう。

  • SSML の audio タグは、応答の中で HTTPS の URL から MP3 を再生します。
  • Amazon の要件は MPEG バージョン2の MP3、48 kbps、サンプリングレート16000、22050、24000 Hz のいずれかです。
  • 1回の応答の音声は合計240秒まで（リプロンプトは90秒まで）、ファイルは5つまでです。
  • SuperClonica は31言語を話します。中国語にはまだ対応していません。

声を無料で聞く

どの声のページでも、スキルのセリフを30〜100文字で入力し、言語を選んで生成ボタンを押します。数秒で、司会、語り手、キャラクターに合うかが分かります。アカウントは不要です。

Alexa 向けの MP3 を作る

ファイルは短く、目的をしぼって。あいさつ、問題、効果音など。短いファイルは読み込みが速く、使い回しもしやすくなります。

  • エンジンをインストール：python -m pip install superclonica-cpu。
  • セリフを音声化して、そのまま Amazon の形式で書き出し：tts = Superclonica(); audio, rate = tts.synthesize("おかえりなさい！クイズを始めましょう。", "F1", "ja"); sf.write("welcome.mp3", resample_poly(audio, 24000, rate), 24000, format="MP3", bitrate_mode="CONSTANT", compression_level=0.75)。
  • エンジンと一緒に入る soundfile 0.14 と libsndfile 1.2 なら、compression_level 0.75 で 24 kHz・固定 48 kbps の MPEG-2 になります。
  • アップロード前に、ffprobe か file コマンドで1つずつ確認しましょう。

ホストして再生する

ファイルは有効で信頼された証明書のある HTTPS に置きます（S3 バケットなど）。自己署名証明書は使えません。ファイルへのリクエストは認証されないので、顧客ごとの情報や機密を含めてはいけません。応答では、ASK SDK の speak() に渡す SSML 文字列に、ファイルの URL を指定した audio タグを、Alexa の言葉の前や後に入れます。

認定を通る声

Amazon は認定前にすべてのスキルを審査します。権利を持っている声を使いましょう。モデルの標準ボイス10種（M1〜M5、F1〜F5）、同意を得た話者の録音から SuperClonica のスタジオで学習させた自分の声、あるいはエクスチェンジで依頼した声です。カタログのファンメイドのキャラクターの声は個人のプロジェクト向けで、公開するスキル向けではありません。実在の人をまねた声も使わないでください。