音声合成

解説

音声合成（TTS：Text to Speech）は、入力したテキストを解析し、人の発話に近い音声を人工的に作り出す技術です。音声認識とは逆の向きの処理にあたります。現在は、深層学習を用いた方式によって、自然な抑揚の音声を生成できます。

実務での使われ方

音声合成は、IVRの案内文、ボイスボットの応答、アウトバウンドの自動音声案内などで使われます。従来は、IVRの案内を変えるたびにナレーターに録音を依頼する場合があり、時間と費用がかかりました。一方で、音声合成なら文面を書き換えるだけで案内の音声を差し替えられます。そのため、障害時の告知やキャンペーンに合わせた案内の変更にも、対応しやすくなります。

注意点

固有名詞や商品名は、意図しない読みで読み上げられることがあります。日本語には、同じ表記で読み方が分かれる語があるためです。そのため、読みを個別に指定できる機能の有無を確認し、公開前に実際の音声を聞いて確かめる工程を設けます。