この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。
はじめに
地味なアップデートも拾っていくぞのコーナー。今日の新機能はこちら！
Amazon PollyのSynthesizeSpeechは、与えられたテキストを音声データとして合成します。このSynthesizeSpeechをAPIとして操作する際には制限があります。これまでの入力テキストの最大長は1,500ビット文字、SSMLタグを含め3,000ビット文字でした。またオーディオ出力の最大長は5分で、5分以上の音声はカットされていました。
今回のアップデートにより、入力テキストの最大長が3,000ビット文字、SSMLタグを含め6,000ビット文字と、2倍になりました。合わせてオーディオ出力の最大長も10分に変更されました。
やってみた
Amazon Pollyのコンソールで、[テキスト読み上げ機能]を開きます。プレーンテキストに長文を入力すると、最大3000文字であることが表示されます。
読み上げた音声。これだけ長文でも2分34秒です。
SSMLを含めた場合は最大6000文字であることが表示されます。
x-slowで喋らせても4分4秒でした。10分を超えることはほとんど無さそうです。
さいごに
これで更に長文をPollyに喋ってもらうことが出来るようになりました。これまでと比較して分割回数を半分に減らすことが出来ますね。
6
