Amazon Q in Connect セルフサービスでは、電話での音声スピードを調整できますか

はじめに

Amazon Q in Connect セルフサービスを電話で利用する際、AIの返答の音声スピードが速いと感じることがあります。

そのため、音声をもう少しゆっくりとしたペースにしたいと考えています。

Amazon ConnectやAmazon Lexで一般的に利用できる音声合成マークアップ言語（SSML）などを使用して、Amazon Q in Connect セルフサービスの音声スピードを調整することは可能でしょうか？

回答

Amazon Q in Connect セルフサービスの場合、SSMLも含め音声のスピードを変更させる方法はありません。

通常のAmazon Lexボットでは、プロンプトの詳細設定から、以下のようにSSMLを使用して音声スピードをゆっくりさせることが可能です。

<speak>
    <prosody rate="slow">
        ご要件、お名前、住所の3点をお伝え下さい。
    </prosody>
    無音の状態が一定時間ある場合、録音が切れますので、ご了承ください。
</speak>

しかし、調査したところ、AWS公式ドキュメントには明示的な記載はありませんが、Amazon Q in ConnectのセルフサービスのLexボット（スロットタイプ：AMAZON.QInConnectIntent）では、このようなSSMLの設定ができませんでした。

別案

別案として、Q in ConnectのセルフサービスのLexボット（スロットタイプ：AMAZON.QInConnectIntent）は利用せず、別のインテントを利用したLexボットを作成することでSSMLを利用した音声スピード調整が可能です。

具体的には、以下のような構成が考えられます。

1. Lexボット（スロットタイプ：AMAZON.FreeFormInput）で顧客の質問を受け取る
2. AWS LambdaとAmazon Bedrockなどの生成AIで回答を生成
3. Amazon Connectのフローで回答をSSMLタグを利用して音声再生

以下のブログは、Lexボット、Lambda、生成AIを組み合わせた構成の参考になります（ただし、SSMLによる音声スピード調整については言及していません）

https://dev.classmethod.jp/articles/amazon-connect-escalation-to-manned-response/

実装例

実装例としては、以下のようなフローが考えられます。

1. [顧客の入力を取得する]ブロックでLexボットを起動し、顧客の質問をヒアリング
   • LambdaとBedrockを利用して回答を生成し、Lexのセッション属性（answer）に保存
   • この時点では顧客に音声での回答は行わない
2. 次の[コンタクト属性の設定]ブロックで、セッション属性の回答をユーザー定義属性（answer）として保存
   
3. 次の[プロンプトの再生]ブロックで、SSMLを利用してゆっくりとした音声で回答
   

<speak>
    <prosody rate="slow">
         $.Attributes.answer
    </prosody>
</speak>

Lexのセッション属性の参照方法については、以下のAWSドキュメントを参照してください。

https://docs.aws.amazon.com/ja_jp/connect/latest/adminguide/connect-attrib-list.html

なお、実装手順例の3を以下のテキストにすると、2については、省略できます。直接Lexのセッション属性を参照しています。

<speak>
    <prosody rate="slow">
         $.Lex.SessionAttributes.answer
    </prosody>
</speak>