1. Specialist presents Windows Phone Arch #9
⾳音声APIを使ってみる
伊勢 シン
2013/05/14(Tue) @Fenrir Inc. ⼤大阪本社

2. おさらい

3. ⾳音声APIであそぼう！
• Windows Phone は後発のわりに、
サービスや API が揃ってないけど、
たまにキラリと光るおもしろAPIがある。
• 今回はそんな⾳音声APIをためしてみましょう。

4. Windows Phone 8 の⾳音声API
• 3種類のAPI
– ⾳音声認識識
– ⾳音声コマンド
– ⾳音声読み上げ (Text-To-Speech)
http://msdn.microsoft.com/ja-‐‑‒jp/library/windowsphone/develop/jj206958(v=vs.105).aspx
今回は、認識識と読み上げをやります。

5. ⾳音声合成を試す
• 新規プロジェクト作成
• WMAppManifest.xmlの機能に
ID_CAP_SPEECHRECOGNITION を定義
– ⾳音声 API 全般を使⽤用する場合のパーミッション
• ボタン1つ配置し、イベントハンドラを開く

6. ⾳音声合成を試す
• とりあえずしゃべらせる。
– using Windows.Phone.Speech.Synthesis
– メソッドを async にするのをおわすれなく。
private async void Button_Click(object sender, RoutedEventArgs e)
{
var synth = new SpeechSynthesizer();
await synth.SpeakTextAsync("こんにちは、Windows Phone です。");
}

7. ⾳音声はどこから来るのか
• ⽇日本語エミュレータだと最初から⽇日本語をしゃべる
設定になっている。
– 設定＞⾳音声＞⾳音声認識識の⾔言語
– 何も指定しなかったら、
ここで設定されている
⾔言語・性別でしゃべる

8. 任意の⾳音声で喋らせる
• インストールされている⾳音声から、
⾔言語・性別を指定して喋らせることも可能。
– InstalledVoices クラスの All プロパティに、
インストール済みの⾳音声が⼊入ってる。
– SpeechSynthesizer.SetVoice でセット
• 阪急の列列⾞車車到着アナウンスは、
上り(梅⽥田⾏行行き)が⼥女女性、下りが男性。

9. 阪急電⾞車車のアナウンス
private async void Button_Click_1(object sender, RoutedEventArgs e)
{
var synth = new SpeechSynthesizer();
var maleVoice = InstalledVoices.All
.Where(v => (v.Gender == VoiceGender.Male) && (v.Language == "ja-JP"))
.First();
var femaleVoice = InstalledVoices.All
.Where(v => (v.Gender == VoiceGender.Female) && (v.Language == "ja-JP"))
.First();
synth.SetVoice(femaleVoice);
await synth.SpeakTextAsync(
"まもなく2号線に、大阪梅田方面へ向かう電車が、到着します。");
synth.SetVoice(maleVoice);
await synth.SpeakTextAsync(
"まもなく1号線に、神戸三宮方面へ向かう電車が、到着します。");
}

10. 抑揚が・・・
• なんか抑揚おかしくね？

11. 抑揚とかを制御してみる
• SSMLで記述すれば、抑揚などを制御可能
• SSML – Speech Synthesis Markup Language
– ⾳音声合成版のHTML
– W3Cの勧告にあります。
http://www.asahi-net.or.jp/~ax2s-kmtn/ref/
accessibility/REC-speech-
synthesis11-20100907.html
• SSMLの指定は2通り
– SpeechSynthesizer.SpeakSsmlAsync
• SSML を⽂文字列列で渡す
– SpeechSynthesizer.SpeakSsmlFromUriAsync
• SSML のおいてあるURLを渡す

12. SSMLを試してみる
• サンプルの Arch09_02_Ssml を実⾏行行
– SSML を試せるようになってます。
• 主な要素
– http://msdn.microsoft.com/ja-jp/library/hh361578
– w もしくは token : 単語の区切切り
• 東京特許許可局局⻑⾧長
• <w>東京</w>特許<w>許可局</w>局⻑⾧長
– sub : 読み
• 胸の<sub alias="おと">⿎鼓動</sub>をあきらめないで
– break : 休⽌止・韻
• ⼤大阪梅⽥田⽅方⾯面へ向かう電⾞車車が<break strength=“weak“ />
到着します
• ⼤大変なのでほどほどでいきましょう。

13. ⾳音声合成の活⽤用法
• 読み上げを⽣生かしてこういうアプリはどうでしょう。
– TwitterのUserStreamをひたすら読み続けるアプリ
– 読み上げニュースリーダー
– 電⾞車車の到着をカウントダウン
• 「新快速の発⾞車車まであと1分です」

14. ⾳音声認識識を試す
• 新規プロジェクト作成
• WMAppManifest.xmlの機能に
ID_CAP_SPEECHRECOGNITION
ID_CAP_MICROPHONE
ID_CAP_NETWORKING を定義
– ⾳音声を聴きとるので、マイクへのアクセスが必要。
• ボタン1つ配置し、イベントハンドラを開く

15. ⾳音声認識識を試す
private async void Button_Click(object sender, RoutedEventArgs e)
{
var recognizerUI = new SpeechRecognizerUI();
// 音声認識の候補
recognizerUI.Recognizer.Grammars.AddGrammarFromList("animal",
new List<string>() { "いぬ", "さる", "ねこ" });
// 音声検索画面上のタイトル
recognizerUI.Settings.ListenText = “好きな動物は以下のうちどれ？”;
// 音声検索画面上の詳細
recognizerUI.Settings.ExampleText = "・いぬn・さるn・ねこ";
var result = await recognizerUI.RecognizeWithUIAsync();
if (result.ResultStatus == SpeechRecognitionUIStatus.Succeeded)
{
MessageBox.Show(result.RecognitionResult.Text);
}
}
http://d.hatena.ne.jp/hyoromo/20121110/1352573009

16. 残念念ながら
• ⽇日本語では決まった⾔言葉葉の中から、
どれかが認識識されるということしかできない。
– アプリ内ボイスコマンド的に使える
– 英語を選択した場合は、選択肢を決めずに⽂文章⼊入
⼒力力も可能。

17. 時間があまってれば…⾳音声コマンド
• MSDN参照しながらやってみよう
– http://msdn.microsoft.com/ja-jp/library/
windowsphone/develop/jj206959(v=vs.
105).aspx
• おおまかな⼿手順
– ⾳音声コマンド定義(VCD)を書く
– 初回起動時にVCDファイルを
システムにインストールするコードを書く
– 呼び出された時にパラメータを受け取る

18. まとめ
• Windows Phone の⾳音声機能を試しました。
• ⾳音声認識識は⽇日本語だとがっかりだけど、
⾳音声合成はかなりがんばれる。
• 読み上げ機能を⽣生かしたアプリを考えてみては？