音声マークアップ言語（SSML）とは。音声読み上げソフトでの使い方と主なコード一覧。

2024年4月17日

こんにちは、音読さんです。

今回はSSMLについて紹介していきましょう。

少しだけ専門用語が出てきて難しく感じるかもしれません。

でも、これを知っておくと、音読さんの使い方が一味もふた味も変わってきます。

わかりやすく解説をしていくのでぜひ、読んでみてくださいね。

SSMLとは

まず、SSMLとは音声マークアップ言語のことです。

種類としてはHTMLと同じようなものです。

このSSMLコードを書くことで音読さんの発声を更にコントロールすることができます。

現在、すべての言語でサポートしているSSMLコードは

<speak></speak>

<break time="○○ms"/>

の2種類のコードのみです。その他のコードは言語や音声の種類によって使用できません。予めご了承ください。

音読さんでSSMLを使う方法

音読さんでSSMLを使うのはとても簡単です。

音読さんのテキストボックスに直接SSMLのコードを入力してください。

すると自動的にSSMLが適応されます。

文章の初めと終わりに

<speak></speak>

のコードを入れ忘れないようにしてくださいね！<speak>のコードが入っていないと、SSMLは適応されません。

<speak></speak>

前途のとおり、SSMLを有効にするために必要なコードです。

読み上げたいテキストの最初と終わりに必ずこのコードを入れてください。

例

<speak>ここに読み上げたいテキストを入れてください</speak>

<break time="○○ms"/>

ブレイクタイムのコードはその名の通り、間合いを作るためのコードです。

間合いを入れたいところにコードを入力し、○○の部分を好みの数字に入れ替えてください。

音読さんで普通に読み上げると”間”はありません。

カギカッコや句読点を入れる方法もありますが、それでは思ったとおりの間隔で間を入れることはできません。

間を2秒以上長くしようとすると、コントロールするのは更に困難です。

ですが、

<break time="1000ms"/>

というコードを間を入れたいところにいれてみましょう。

<speak>
この文章を読み上げる時に少しま<break time="1000ms"/>を開けたい
</speak>

すると、んっと一息ついて話をするのがわかりますね。

※ 1000ms=1秒

ms　もしくは　s　の前にある数字を変えることで、”間”の長さは自由自在になります。

200ms = 0.200秒
500ms = 0.500秒
1000ms = 1.000秒
2000ms = 2.000秒
3s = 3秒
10s = 10秒　など

※文章より前の<break time="○○ms"/>タグの動作は音声により仕様が異なり、動作は保証できません。

例：<speak><break time="5s"/>冒頭に5秒の間合いを作りたい</speak>

↑このような使い方は仕様上、できません。

<say-as interpret-as="expletive">○○</say-as>

○○の部分の文章を「ピー」っと放送禁止音で再生します。

ちょっとした遊び心のあるコードですね。このコードで囲っている部分の文字はピーという音に置き換わります。

<speak>
この言葉は<say-as interpret-as="expletive">放送禁止</say-as>です
</speak>

<say-as interpret-as="characters">○○</say-as>

アルファベットを読み上げる時に文字ごとにスペルアウト（スペルで読み上げ）されます。

<speak>
The spelling of hello is<say-as interpret-as="characters">Hello</say-as>
</speak>

ただし、このSSMLがエラーになってしまう音声もあります。ご了承の上でご利用ください。

日本語：ななみ

英語（USA）：en-US-A

<sub alias="◇◇">○○</sub>

よみがなを降ることができるコードです。

音声読み上げでは時々思わぬ読み上げをすることがあります。

例えば”一行”を「いちゆき」と発音するのを「いちぎょう」とよみがなをふることできちんと発音できるようになります。

コードには○○に漢字、◇◇によみがなを入力してください。

<speak>
一行ではなく<sub alias="いちぎょう">一行</sub>と正しく読む
</speak>

<emphasis>○○</emphasis>

コードで囲んだ文字を強調して読み上げをさせることができます。

<speak>
このコードは<emphasis>強調</emphasis>させることができます
</speak>

<prosody>○○</prosody>

プロソディ(prosody・韻律)とは、自然な英語を話す際の

音の上げ下げ
区切る位置
長さや強弱　など、

言語の音の特徴を表す総称です。

このコードで調整することができるのは

rate（レート、早さ）
調整コード：「x-slow」「slow」「medium」「fast」「x-fast」「default」
pitch（ピッチ、高さ）
調整コード：「x-low」「low」「medium」「high」「x-high」「default」
volume（ボリューム、大きさ）
調整コード：「silent」「x-soft」「soft」「medium」「loud」「x-loud」「default」

の3種類を調整することができます。

<speak>
<prosody rate="fast">早口で話します。</prosody>
<prosody pitch="high">高い声で話します。</prosody>
<prosody volume="loud">大声で話します。</prosody>
<prosody rate="slow" pitch="x-low">遅く、低い声で話します。</prosody>
<prosody rate="fast" pitch="high" volume="medium">早く、高い声で、普通の大きさで話します。</prosody>
</speak>