0. はじめに
開発者待望のAlexaスキル内課金が米国で可能に！など、2019年は日本でもスマートスピーカーのスキル開発がより注目される予感がしています。本記事では、超初心者にもハードルが低くなるよう、MicrosoftAzureLogicAppsを使ってノンコーディングでAmazonEchoのスキルを開発してみます。実家に帰省しないと会うことができない愛犬の声をいつでも気軽AmazonEchoから聞くことができるスキルを開発しました。
1. 開発するスキル
今回開発するスキルのイメージはこちらです。呼び出されると、愛犬の声を再生するようにします。
鳴き声を使って、愛犬を #AmazonEcho のスキルで再現してみた。鳴き声の録音が難しい。笑 #VUI #駆け出しエンジニアと繋がりたい #100DaysOfCode pic.twitter.com/amaM7Hc6SK
— さいちゃん🦏 (@saisan78) 2019年1月1日
2. 開発の全体像と流れ
手順は、大きく以下の3ステップです。
①AlexaDeveloperConsoleでスキルの作成
②AzureLogicAppsで応答処理の作成
③自作音声ファイルの準備とDropboxでの共有
①AlexaDeveloperConsoleでスキルを作成
まず、https://developer.amazon.com/ja/にて、スキルを作成しましょう。AmazonEchoスキルの開発に必要な概念は、Amazon Echo (Alexa) のSkillの開発に必要な基本概念を押さえるを参照してください。今回は、「おさんぽ」とよんだら、音声を返すシンプルなスキルなので、インテントをひとつだけ登録します。おさんぽということで"walking"と命名しました。
②AzureLogicAppsで応答処理の作成
続けて、AzureLogicAppsにて、AlexaSkillConsoleからIntentを受け取り、応答を返すAPIサーバをAzureLogicAppsで作成します。
AlexaからJSONをうけとりJSONをかえすAPIサーバです。
「もっと丁寧にAzureLogicAppsの使いたいを知りたい！」という方は、以下のLINEBotの作成記事を参考にしてください。
ノンコーディングで質問に自動回答するLINE BOTを作ってみよう
AzureLogicAppsで開発するAPIサーバの全体像ですが以下のイメージになります。
②-1.HTTP要求の受信時のモジュールを作成
まずはAlexaからPOSTでJSONを受け取れるように、「HTTP要求の受信時」のモジュールを用意します。
メソッドをPSOTに設定し、JSONのスキーマを登録しておきます。
また、HTTP POSTのURLは、先程のAlexaDeveloperConsoleでエンドポイントに登録しておきます。
「HTTP要求の受信時」のモジュールに登録するJSONスキーマ（クリックすると開きます）
{
"properties": {
"request": {
"properties": {
"dialogState": {
"type": "string"
},
"intent": {
"properties": {
"confirmationStatus": {
"type": "string"
},
"name": {
"type": "string"
},
"slots": {
"properties": {
"anatanoslotname": {
"properties": {
"confirmationStatus": {
"type": "string"
},
"name": {
"type": "string"
},
"resolutions": {
"properties": {
"resolutionsPerAuthority": {
"items": {
"properties": {
"authority": {
"type": "string"
},
"status": {
"properties": {
"code": {
"type": "string"
}
},
"type": "object"
},
"values": {
"items": {
"properties": {
"value": {
"properties": {
"id": {
"type": "string"
},
"name": {
"type": "string"
}
},
"type": "object"
}
},
"required": [
"value"
],
"type": "object"
},
"type": "array"
}
},
"required": [
"authority",
"status",
"values"
],
"type": "object"
},
"type": "array"
}
},
"type": "object"
},
"value": {
"type": "string"
}
},
"type": "object"
}
},
"type": "object"
}
},
"type": "object"
},
"locale": {
"type": "string"
},
"requestId": {
"type": "string"
},
"timestamp": {
"type": "string"
},
"type": {
"type": "string"
}
},
"type": "object"
},
"version": {
"type": "string"
}
},
"type": "object"
}
②-2.スキル起動時（IntentがLaunchRequestの際）の応答処理を作成
次に、スキル起動時（IntentがLaunchRequestの際）の応答処理を作成していきます。
Alexaから受信するJSONの中のtypeスキーマにLaunchRequestが含まれるので、それがあるかどうか条件式で判別しましょう。
Trueの場合の応答処理を応答モジュールで用意します。
応答用のJSON（クリックすると開きます）
{
"response": {
"outputSpeech": {
"ssml": "<speak><prosody pitch='x-high'>ごんただよ！</prosody></speak>",
"type": "SSML"
},
"reprompt": {
"outputSpeech": {
"ssml": "<speak><prosody pitch='x-high'>なにしてあそぶ？</prosody></speak>",
"type": "SSML"
}
},
"shouldEndSession": "False"
},
"version": "1.0"
}
②-3.Intentごとの応答処理を作成
同様に、起動時以外のIntentごとの応答処理を作っていきます。
最小のnameというスキーマにwalkingという値が入って送られてくるので、条件式を用意して、応答処理を作ります。
応答用のJSON（クリックすると開きます）
{
"response": {
"outputSpeech": {
"ssml": "<speak><audio src='https://dl.dropboxusercontent.com/s/あなたの音声ファイルのURL/あなたの音声ファイル.mp3' /></speak>",
"type": "SSML"
},
"reprompt": {
"outputSpeech": {
"ssml": "<speak><prosody pitch='x-high'>ほかになにしてあそぶ？</prosody></speak>",
"type": "SSML"
}
},
"shouldEndSession": "False"
},
"version": "1.0"
}
③自作音声ファイルの準備とDropboxでの共有
それでは、AmazonEchoのスキルで使う音声ファイルを用意しましょう。今回はiPhoneで再生した筆者の愛犬のなき声を利用します。
③-1.AmazonEchoで利用可能な形式へ「FFmpeg」を用いて変換
利用可能な形式が限られているため、音声ファイルを変換します。
- 90秒以内である
- 特定のビットレート・周波数にフォーマットされている
- 個人情報や機密情報を含まない
今回は、「FFmpeg」という無料ソフトウェアで対応する形式に変換しました。
参考 AlexaスキルでMP3ファイルを流そう！効果音を入れてワンランクアップのスキル開発
$ ffmpeg -y -i before.mp3 -ar 16000 -ab 48k -codec:a libmp3lame -ac 1 after.mp3
③-2.dropboxでMP3ファイルを共有し、URLを作成する
次に、完成した音声ファイル（MP3ファイル）をオンライン上に共有します。今回は無料で利用可能なDropboxに保存します。
ファイルをアップロードし、共有を行うと、以下のような共有URLが取得できます。
https://www.dropbox.com/s/[取得したURL]?dl=0
しかしこのままではAmazonEchoのスキル上で再生できないので、以下のように少しURLを編集します。このURLを先程のAzureLogicAppsの中のSSML文の中に入れてあげると、Dropboxの音声ファイルをAmazonEchoのスキル上で再生することができるようになります。
https://dl.dropboxusercontent.com/s/[取得したURL]
公式のサウンドライブラリを使う / 音声ファイルを用意できない方へ
今回、自分で用意できない場合は、以下の公式のサウンドライブラリから音源を使うことも可能です。
サウンドライブラリ - Animal Sounds（動物の声）
<speak>
これはアレクサの通常音声です。音響効果「クマのうなり声（1）」を再生します。
<audio src='soundbank://soundlibrary/animals/amzn_sfx_bear_groan_roar_01'/>
</speak>
3. まとめ
今回はAzureLogicAppsを使ってAmazonEchoのスキルを作ってみました。一般的にはAWSのLambdaを使った開発が多いですが、JSONの受け渡しができるAPIサーバを用意できれば簡単にAmazonEchoのスキルを開発することができます。ぜひみなさんも作ってみてくださいね！
AzureLogicAppsはオフィス系のモジュール(JiraやSalesforceなど)が多いので、オフィスでのスマートスピーカーアプリ開発にもぴったりです。
