AWS

会話調の柔らかいトーンで読んでくれるスタイル。ロボ感が薄れるので、親しみやすい音声を作りたいならこれを選ぶといい。ユーザーとフレンドリーな会話をしたいチャットボットで活躍しそう。

お店や商品の固有名詞などをあらかじめ登録し、誤認識しにくくする機能。たとえば「ラーメン屋『ドンブル軒』」といった名前を正しく聞き取ってもらうために使える。

合成した音声をS3に直接書き出せる。バックアップしたり、あとでダウンロードさせたり、CDN配信したりといった使い方が楽になる。大きな文章のバッチ処理に向いてるんだ。

新しいバージョンのLex管理画面。UIが改善されていて、ビルドやテスト、デプロイをスムーズに行える。旧版より操作が分かりやすく、機能追加もされているんだ。

音声合成の呼び出し回数や処理時間をグラフ化する。ビジネスが拡大して大量に呼び出すようになったら追加予算を見込むとか、パフォーマンスを調べる指標としても重要だね。

CloudWatchなどでボットがどれだけ会話されているか、何回成功/失敗しているかをグラフで確認。調子が悪いときはログを見て調整できるし、ユーザーが多いときは性能を気にしてスケールも考えられる。

プログラムやコマンドラインでポリを呼び出して、音声ファイルを生成できる。大量文章の自動生成やリアルタイム読み上げなど、自分のサービスに組み込むのが簡単にできる。

音声を文字に変える技術がLexに組み込まれている。通常はAmazon Transcribeを使う形だけど、Lexがまるっと管理してくれるからセットアップが楽。音声チャットボットの中核になるんだ。

テキストを少しずつ送り、ポリがそれに合わせて連続した音声を生成してストリーム配信できるモード。大量テキストでも途切れにくく、長い読み上げをリアルタイムで行いたい時に便利。

会話の途中でLambda関数を呼んで、データベースを参照したり外部APIを叩いたりできる。ユーザーからの入力内容を使って処理したり、返す返事を動的に作ったりと柔軟な応答が可能になるよ。