AmazonConnectとGoogleSTTでオウム返し音声ボットを作ってみた(1)

#1. はじめに

　こんにちは, ノベルワークスでインターンをしているユウガです。
　音声ボットシステムの開発に携わってきました。
　この時に使用した技術をふんだんに盛り込んで, オウム返し音声ボットを作りました。
　特に, AmazonConnectとGoogleSTTを組み合わせて, リアルタイムに文字起こしをしたい方
　に有益になると思います。

　今回の記事では, Connectをメインに説明します。
　次の記事はこちら

リアルタイムに日本語を文字起こしできるサービスとして, AmazonTranscribeもあります
https://aws.amazon.com/jp/blogs/news/amazon-transcribe-streaming-adds-support-for-japanese-korean-and-brazilian-portuguese/

目次
1.はじめに
2.デモ
3.アーキテクチャ
4.問い合わせフローの作成
5.次回

#2. デモ

　作る物のイメージが無いと理解しにくいと思うので, デモを公開します↓
　https://drive.google.com/file/d/1OsolNuuSxA6zbFeaM-fIVdolntdGaLqo/view?usp=sharing

#3. アーキテクチャ

　このシステムのアーキテクチャは, 大体こんな感じになります↓

#4. 問い合わせフローの作成

　音声ボットの流れを決めるために, Connectで問い合わせフローを作ります。

　では, 早速作っていきましょう！

• 音声の設定を作り, 日本語を設定します。エントリーポイントから繋げて下さい。

• 問い合わせ属性の設定を作り, 以下のように設定します。音声の設定から繋げて下さい。
  これは, Connect内の変数を設定できます。ConnectからLambdaを呼び出す時に, この変数を渡すことができます。
  replyCountは, 何回目の返答かを表す変数です。DynamoDBに書き込まれた文字起こしを取得する際に使います。
  saveCallRecordingは, 音声をs3に保存するかどうかのフラグです。

• メディアストリーミングの開始を作り, [顧客から]にチェックを付けます。
  問い合わせ属性の設定から繋げて下さい。
  [顧客から]にチェックを付けると, 電話をかけてきた人が喋る音声がKVSに保存されます。さらに, そのデータにアクセスするための変数がConnect内に作られます。

メディアストリーミングの有効化についてはこちら
https://docs.aws.amazon.com/ja_jp/connect/latest/adminguide/enable-live-media-streams.html

• Lambda関数を呼び出すを作ります。メディアストリーミングの開始から繋げて下さい。
  ここで設定するLambdaは, Connect内の変数を使って, 別のLambdaをinvokeします。
  Lambdaは次回作ります。

• プロンプトの再生を作り, テキストの入力で「何か話して下さい」と設定します。
  Lambda関数を呼び出すから繋げて下さい。

• Lambda関数を呼び出すを作ります。プロンプトの再生から繋げて下さい。
  ここで設定するLambdaは, DynamoDBから文字起こし結果を取得します。
  このLambdaで, reply, isKeyError, replyCount をreturnします。
  そうする事で、Lambdaの変数をConnectで扱う事ができます。
  Lambdaは次回作ります。

• 問い合わせ属性の設定を作り, 以下のように設定します。Lambda関数を呼び出すから繋げて下さい。
  前のLambdaでreturnした変数をConnectで保持するための設定です。
  replyは, ボットの返答文。
  isKeyErrorは, DynamoDBに文字起こし結果があるかどうかのフラグ。
  replyCountは, 何回目の返答かを表す変数です。

• 問い合わせ属性を確認するを作り, 以下のように設定します。
  問い合わせ属性の設定から繋げて下さい。
  if文の役割を担います。isKeyError=Falseなら, DynamoDBから文字起こし結果を取得できた事を表し, Trueであれば, 取得できなかった事を表します。

• プロンプトの再生を作り, 以下のように設定します。問い合わせ属性を確認するのFalseから繋げて下さい。
  ここでは, DynamoDBから取得した文字起こし(reply)を喋らせています。
  終わったら, プロンプトの再生に繋げます。


• プロンプトの再生を作り, 以下のように設定します。問い合わせ属性を確認するのTrueから繋げて下さい。
  ここでは, DynamoDBから文字起こし結果が取得できなかったので, 1秒間のブレイクタイムを設けています。
  ブレイクタイムを設けないと, 文字起こし結果がDynamoDBに書き込まれていない間に, Lambda関数が頻繁に呼び出されてしまいます。なので, 1秒だけ時間を空けています。
  終わったら、Lambda関数を呼び出すに繋げます。

SSMLについてはこちら
https://qiita.com/novelworks/items/8b5cd9e0dae9a472c966


　終わりです！

補足

• エラーになった時は切断に繋げていますが, プロンプトの再生でエラー内容を喋らせた後に,切断に繋げると良いでしょう。デバッグしやすくなります。
• 問い合わせフローはjsonファイルでimport/exportできます。私の完成問い合わせフローはこちら↓

完成問い合わせフロー
https://drive.google.com/file/d/1rxNnbWM--u3VTU-xyEAZr_58jF2HIzlt/view?usp=sharing

#5. 次回

次回は, Lambdaの作成をメインに説明します。お楽しみに〜
次の記事はこちら