この記事について

この記事は ACCESS Advent Calendar 2016 18日目の記事です。
ACCESS の @shotasakamoto です。

この記事の主題は？

最近、機械学習とか勉強するモチベーションが上がってきて、CRFやword2vecとかについて記載しようと思いましたが、12月に発表されたAmazon AIについてちょっと興味があったので、前述した内容について少し触れていきたいと思います。

Amazon AIの種類

以下の3つになります。
* Amazon Recognition
* Amazon Polly
* Amazon Lex

画像認識よりも言語解析・処理とかに興味がある方なので、
LexかPollyを見ようかと思ってましたが、Lexはまだプレビュー版的な位置づけだったので、
Pollyで遊んでみました。

Amazon Pollyとは？

簡単に言うと、「入力した各種言語テキストを音声に変換する」機能となります。

開発ドキュメントは無いの？

もちろんあります。
以下を参照してください。（このドキュメント読んだら、この記事の内容は全部入ってますね・・涙）
開発ドキュメント

どうやって使うの？

すごく簡単です。（カップラーメン作っている間に出来そうです）
* AWSのアカウント作る
* AWS コンソールにログインする（ただし、東京リージョンだとまだサービスが無いので、米国東部とかリージョンを変更する必要がある）
* サービスで[Polly]を検索して、pollyのページに移動
* テキスト入力欄に適当にテキストを入れて、「音声を聴く」ボタンを押す

こんな感じで、サクッと遊べます。

以下のような画面が表示されます。
※日本語だと、現時点ではまだ女性（ミズキさん？）のみの音声となります。
英語だと数種類の音声パターンがありました。

読み方の設定とかは出来ないの？

可能です。
具体的には、下記が挙げられます。
* SSML（音声合成マークアップ言語）を設定
* レキシコンの設定

SSMLの例は以下です。（下記は「SSML」という単語を強調して読ませるようにしています）
※他には指定した箇所を英語で読んだり、読み上げ速度を変えたりなど、設定が結構変更可能だったりします。

<speak xml:lang="en-JP">これは<emphasis level="strong">SSML</emphasis>の例です。</speak>

レキシコンでは、「指定した単語の読み上げ方を変更する」ことが可能です。
書き方の例は下記です。
※下記は言語設定をen-US（英語）に設定しています。
なぜか日本語（JP）はまだ設定出来ないような感じがしますね・・。

<?xml version="1.0" encoding="UTF-8"?>
<lexicon version="1.0"
 xmlns="http://www.w3.org/2005/01/pronunciation-lexicon"
 xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
 xsi:schemaLocation="http://www.w3.org/2005/01/pronunciation-lexicon
 http://www.w3.org/TR/2007/CR-pronunciation-lexicon-20071212/pls.xsd"
 alphabet="ipa"
 xml:lang="en-US">
 <lexeme>
 <grapheme>www</grapheme>
 <alias>world wide web</alias>
 </lexeme>
</lexicon>

上記の例だと、「www」という単語を「world wide web」に読み替える設定となります。
レキシコンはxxx.plsという名前で保存して、コンソールからアップロードが可能です。

自分の作ったアプリからは何か遊べないの？

遊べます。

pollyの機能の呼び出しもかなり簡単で、
例えばpythonだと以下のような感じでよみだしが可能です。
※公式ドキュメントのサンプルを下記に記載しています。（p10参照）

session = Session(profile_name="adminuser")
polly = session.client("polly")
try:
 # Request speech synthesis
 response = polly.synthesize_speech(Text="Hello world!",
 OutputFormat="mp3",
 VoiceId="Joanna")
except (BotoCoreError, ClientError) as error:
 ...

responseにmp3での音声データが入ってくるので、
このデータをファイルに保存したり、再生したりすることが可能です。

最後に

駆け足でしたが、ざっくりpollyについての概要を記載しました。
試しに遊んでみるのはすぐ出来ると思いますので、ご興味お持ちの方は、ぜひぜひ遊んでみて頂ければと思います。

明日（12/19）の ACCESS Advent Calendar 2016 は @DaisukeKondo さんの記事となります。お楽しみに！！

Amazon AI pollyを使ってみた